ตัวอย่าง:
function_string = "def fake_people(n: int) -> list[dict]:"
args = [ "4" ]
description_string = """Generates n examples of fake data representing people, each with a name and an age."""
result = ai_functions . ai_function ( function_string , args , description_string , model )
""" Output: [
{"name": "John Doe", "age": 35},
{"name": "Jane Smith", "age": 28},
{"name": "Alice Johnson", "age": 42},
{"name": "Bob Brown", "age": 23}
]"""การใช้งานฟังก์ชั่น AI ที่ใช้งานง่ายโดยใช้ GPT-4 ของ OpenAI (หรือรุ่นรุ่นอื่น ๆ ) เพื่อทำงานต่าง ๆ โครงการนี้ได้รับแรงบันดาลใจอย่างมากจาก Ask Marvin
git clone https://github.com/YourUsername/SuperSimpleAIFunctions.gitpip install -r requirements.txtkeys.py ในไดเรกทอรีเดียวกับสคริปต์หรือตั้งค่าเป็นตัวแปรสภาพแวดล้อม ai_functions.py มีฟังก์ชั่นต่อไปนี้:
def ai_function ( function , args , description , model = "gpt-4" ): ai_function ใช้พารามิเตอร์ต่อไปนี้:
function : สตริงที่อธิบายถึงลายเซ็นฟังก์ชันargs : รายการอาร์กิวเมนต์สำหรับฟังก์ชันdescription : สตริงที่อธิบายถึงวัตถุประสงค์ของฟังก์ชันmodel : (ไม่บังคับ) สตริงที่ระบุโมเดล GPT ที่จะใช้ ค่าเริ่มต้นคือ 'GPT-4'ตัวอย่างการใช้งาน:
import ai_functions
function = "def add(a: int, b: int) -> int:"
args = [ "5" , "7" ]
description = "Adds two integers."
result = ai_functions . ai_function ( function , args , description )
print ( result ) # Output: 12 ตารางด้านล่างแสดงอัตราความสำเร็จของฟังก์ชั่น AI ที่มีรุ่น GPT ที่แตกต่างกัน:
| คำอธิบาย | ผลลัพธ์ GPT-4 | ผล GPT-3.5-turbo | เหตุผล |
|---|---|---|---|
| สร้างคนปลอม | ผ่าน | ล้มเหลว | รูปแบบการตอบกลับที่ไม่ถูกต้อง |
| สร้างรหัสผ่านแบบสุ่ม | ผ่าน | ผ่าน | N/A |
| คำนวณพื้นที่สามเหลี่ยม | ล้มเหลว | ล้มเหลว | ค่าลอยตัวไม่ถูกต้อง (GPT-4), รูปแบบการตอบกลับที่ไม่ถูกต้อง (GPT-3.5-turbo) |
| คำนวณจำนวนนายก Nth | ผ่าน | ผ่าน | N/A |
| เข้ารหัสข้อความ | ผ่าน | ผ่าน | N/A |
| ค้นหาตัวเลขที่หายไป | ผ่าน | ผ่าน | N/A |
เป็นสิ่งสำคัญที่จะต้องทราบว่าฟังก์ชั่น AI ไม่เหมาะสำหรับงานบางอย่างโดยเฉพาะอย่างยิ่งผู้ที่เกี่ยวข้องกับการคำนวณทางคณิตศาสตร์และความแม่นยำ ดังที่สังเกตได้ในกรณีของการคำนวณพื้นที่ของรูปสามเหลี่ยมและค้นหาจำนวนที่สำคัญโมเดล GPT สามารถต่อสู้กับผลลัพธ์ที่แม่นยำ ข้อ จำกัด ของโมเดล GPT ในกรณีดังกล่าวส่วนใหญ่เกิดจากการไม่สามารถดำเนินการทางคณิตศาสตร์ที่แม่นยำและความคลุมเครือในการทำความเข้าใจอินพุตของผู้ใช้
โดยสรุปในขณะที่ฟังก์ชั่น AI จะมีประโยชน์ในสถานการณ์ต่าง ๆ พวกเขาอาจไม่ใช่ทางเลือกที่ดีที่สุดสำหรับงานที่ต้องใช้ความแม่นยำทางคณิตศาสตร์หรือความรู้ด้านโดเมนที่เฉพาะเจาะจง สำหรับกรณีการใช้งานดังกล่าวการใช้อัลกอริทึมและห้องสมุดแบบดั้งเดิมจะให้ผลลัพธ์ที่ดีกว่า
test_ai_functions.py มีกรณีทดสอบสำหรับ ai_function ในการเรียกใช้การทดสอบให้ดำเนินการสคริปต์ด้วย Python:
python test_ai_functions.pyสคริปต์ทดสอบจะส่งออกผลลัพธ์ของแต่ละกรณีทดสอบและให้อัตราความสำเร็จ
ยินดีต้อนรับผลงาน! หากคุณต้องการเพิ่มกรณีทดสอบเพิ่มเติมหรือปรับปรุงรหัสที่มีอยู่โปรดส่งคำขอดึง