深入探讨GPTs和AI Assistant( 二 ) _GPTs

选择基础模型，可以选择 GPT-3.5、GPT-4 等作为基础模型。

选择扩展能力 tools 例如 code interpreter, retrieval 以及其他的 function call 工具。

创建一个对话(Thread) 进行一个交流。

在对话中传入消息（Messages），进行提问。

在对话中进行执行（Run），AI Assistant 会自动运行相关的tools 。

下面的例子会一步一步进行AI Assistant的构建。
步骤 1: 创建一个AI助手
一个 AI assistant 可以通过下面的几个参数进行配置：

指令(Instructions): 针对AI助手和模型，定制他们的表现和响应行为。
模型(Model): 提供了各种供选择的 GPT-3.5 或者 GPT-4 模型，包括自己进行精细调校的模型。如果希望使用信息检索工具(Retrieval tool)，则需要采用 gpt-3.5-turbo-1106或者 gpt-4-1106-preview模型。
工具(Tools): Assistant API 支持使用OpenAI自行开发的 Code Interpreter 编码解释器以及 Retrieval 召回工具。
函数(Functions): API 支持用户使用自定义的函数作为额外工具使用，类似 Open AI 的 function calling 特性。

在这个例子中，我们会创建一个自己的数学导师，使用到 Code Interpreter 能力：
# Upgrade to Python/ target=_blank class=infotextkey>Python SDK v1.2 with pip install --upgrade openai assistant = client.beta.assistants.create( name="Math Tutor", # 助手的名字 instructions="You are a personal math tutor. Write and run code to answer math questions.", #助手能力 tools=[{"type": "code_interpreter"}], #助手的工具 model="gpt-4-1106-preview" #模型选择 ) 步骤 2: 创建一个对话 Thread
一个 Thread 就代表了一个对话。OpenAI 建议每个用户在开始对话的时候都创建一个 Thread，把所有用户相关的内容和文件都通过在 Thread 创建Message完成。
可以将 Thread 理解为与 AI 助手创建的一个对话窗口，所有的对话行为都在这个Thread 中进行。
thread = client.beta.threads.create
Threads 本身并无大小限制，因此你可以在单个 Thread 对话中发送任意数量的消息（Messages）。API 会自动对请求的消息进行适当的处理，以确保请求满足模型的最大窗口长度限制，如通过截断等方式进行调整。
步骤3: 在对话(Thread) 中传入消息（Message）
一个消息可以包含用户的文本输入，还有可能包含用户上传的文件。尽管目前还不支持图片，但OpenAI将在不久的将来添加这一功能。
message = client.beta.threads.messages.create( thread_id=thread.id, #需要传入的Thread ID role="user", content="I need to solve the equation `3x + 11 = 14`. Can you help me?" )
如果现在你展示在对话Thread 中的所有消息，你会看到这条消息被加入到了对话中：
{ "object": "list", "data": [ { "created_at": 1696995451, "id": "msg_4rb1Skx3XgQZEe4PHVRFQhr0", "object": "thread.message", "thread_id": "thread_34p0sfdas0823smfv", "role": "user", "content": [{ "type": "text", "text": { "value": "I need to solve the equation `3x + 11 = 14`. Can you help me?", "annotations": [] } }], ... 步骤 4: 执行AI助手
为了得到AI 助手的结果，你需要创建一个 Run对象，这使得AI 助手可以获取对话的消息，并决定是使用工具（tools）回答用户的问题，还是仅仅依赖模型自身的能力进行问题解答。
当 AI 得到答案，会在对话（Thread）的消息列表中加入角色（*role="assistant"*）的一个回复。
run = client.beta.threads.runs.create( thread_id=thread.id, assistant_id=assistant.id, instructions="Please address the user as Jane Doe. The user has a premium account." ) 步骤5: 展示AI 助手的回复
当我们需要获取AI回复的时候，可以对 Run对象进行不断的查询，获取当前执行的状态。
run = client.beta.threads.runs.retrieve( thread_id=thread.id, run_id=run.id )
当状态码 == completed时，代表AI已经完成回复，并且可以在Thread 中看到AI的回答。
messages = client.beta.threads.messages.list( thread_id=thread.id )
最后我们就可以把内容展示给用户，下面是一个例子。AI给出了两个回答（role== assistant）