ChatGPT函数调用初体验：让ChatGPT具备抓取网页文本的能力

  OpenAI在6月13号升级了ChatGPT，推出了类似其网页版插件的功能——函数调用（Function calling），13号当天我在很多微信公众号就看到了这个消息，甚至有人将函数调用称为杀手级特性，正好周末有空，就写个Demo试用下，验证下它是平平无奇还是真的能让人眼前一亮。

  官网给出的函数调用示例是接入查询天气的能力，我看到第一反应 就这……。但当我写了一个简单抓取网页文本的函数，并将其接入到ChatGPT中后，我突然意识到这确实是一个非常强大的功能。之前的ChatGPT只能用文本交互，文本有个特点就是其规范性非常非常弱，同样的语义两个不同的人表述出来可能就是完全不同的两句话，导致我们很难用自然语言区控制普通的程序。而这次的函数调用能力，让其具备了输出强规范的内容，可以用来调起其他程序。这也意味着ChatGPT具备了和普通程序交互的能力，可想象的空间非常大。

  接下来我就用我实现的ChatGPT网页分析能力作为示例，演示下如何让ChatGPT接入普通的python函数，最后我再总结下函数调用的能力和局限，顺便也畅想下函数调用到底还可以实现什么样的强大功能。

Step1：实现普通函数

  首先就是要定义好普通的python函数，我这里写了一个简单的网页爬取的功能，给定url就可以抓取到网页上面的文本内容。这里只是一个简单实现，可能部分网页无法正常抓取。

import requests
from bs4 import BeautifulSoup

def is_target_tag(tag):
    target_tags = ['p', 'code', 'h1', 'h2', 'h2', 'h3', 'h4', 'h5']
    return tag.name in target_tags

def get_text_from_url(url):
    response = requests.get(url, headers=headers)
    html = response.text
    soup = BeautifulSoup(html, 'html.parser')
    extracted_tags = soup.find_all(is_target_tag)
    res_text = '' 
    for tag in extracted_tags:
        res_text = res_text + tag.get_text(strip=True) + '\n'
    return res_text

  这里使用的是request包发起请求，使用bs4的BeautifulSoup来解析html标签，代码将html中所有的段落、代码、标题内容都抓取出来。

Step2: 用json-schema格式将函数描述出来

  这一步的作用就是把可以调用的普通函数信息用ChatGPT可以识别的格式描述出来，这里OpenAI直接采用了JSON-Schema。也比较简单，就是描述出来有哪些函数可以用、函数分别实现了什么样的功能、每个函数有哪些参数、哪些是必填参数、哪些是选填参数…… 这里我用来抓取url对应文本的函数描述如下：

functions = [
    {
        "name": "getText",
        "description": "抓取url对应的网页里的文本内容",
        "parameters": {
            "type": "object",
            "properties": {
                "url": {
                    "type": "string",
                    "description": "网址url",
                }
            },
            "required": ["url"],
        },
    }
]

  注意，这里functions可以有不止一个，只要你能准确将函数功能及入参格式用json-schema描述出来，ChatGPT就能给你调起。 另外这里为了方便调起，我们还需要保存一个方法名到实际方法的映射关系，具体如下：

available_functions = {
    "get_text_from_url": get_text_from_url,
} 

Step3: 调用ChatGPT的时候带上函数信息

  接下来我们只需要在原有Api的参数中增加functions，让ChatGPT知晓有哪些函数可以调用，然后让他决定要不要调。完整的代码及注释如下：

import os
import openai
import json
openai.api_key = os.getenv("OPENAI_API_KEY")

def chat(content):
    messages = [
        {"role": "user", "content": content}
    ]
    response1 = openai.ChatCompletion.create(
        model="gpt-3.5-turbo-0613",
        messages=messages,
        functions=functions,
        function_call="auto"
    )
    response_message = response1["choices"][0]["message"]
    rtn_message = response1["choices"][0]["message"]
    # 如果ChatGPT返回结果会告诉你，是否需要调用函数，我们只需要根据它返回的函数名、参数调起对应的函数
    # 然后将函数的返回结果再给到ChatGPT，让他进行下一步的操作  
    if response_message.get("function_call"):
        # 找到需要调用的函数，并将ChatGPT给的参数传进去 
        function_name = response_message["function_call"]["name"]
        fuction_to_call = available_functions[function_name]
        function_args = json.loads(response_message["function_call"]["arguments"])
        # 用这种方式可以调起任意python函数，不用像官网那样还要指定参数名  
        function_response = fuction_to_call(**function_args)
        # 获取到函数调用结果后，需要将结果拼接到对话记录里，并再次调用ChatGPT
        messages.append(response_message) 
        messages.append(
            {
                "role": "function",
                "name": function_name,
                "content": function_response,
            }
        ) 
        # 二次调用的返回结果里就是我们预期的结果了 
        response2 = openai.ChatCompletion.create(
            model="gpt-3.5-turbo-0613",
            messages=messages,
        )
        rtn_message = response2["choices"][0]["message"]
    return rtn_message['content']

我们简单验证下效果：

chat('总结下这篇文章，将其中的要点提炼出来 https://zxs.io/article/1924')

返回结果如下：

这篇文章总结了使用ChatGPT提升程序员编程能力的方法和场景。作者经过两个月的使用发现，虽然ChatGPT目前还无法完全替代程序员在一些强上下文的编程场景下的能力，但在一些通用化的编程场景下，它的表现仍然可行。作者提炼出以下利用ChatGPT的场景：

1. 代码评审：ChatGPT可以检测代码的语法错误、代码风格问题、潜在的bug和性能问题，但需要注意辅助工具的局限性，建议与其他代码审查工具和人工审查相结合使用。  
2. 代码优化：除了代码评审，ChatGPT还可以帮助优化并重写代码，但同样需要结合其他专业人士的建议进行综合优化。  
3. 代码释义：使用ChatGPT生成代码释义，以减轻维护老代码的负担。  
4. 提供解决方案：描述遇到的问题，让ChatGPT给出建议和解决方案。  
5. 代码生成：ChatGPT可以直接生成相关代码，如分布式锁注解的代码，在实际使用中需要自行甄别和识别生成的代码。  
6. 设计模式和架构建议：ChatGPT可以提供在代码设计和架构设计上的建议。  
7. 学习新知识：在不熟悉的领域使用ChatGPT帮助学习。  

文章提到了一些使用ChatGPT的实例，并强调了在使用过程中需要注意甄别数据的时效性和准确性。最后，作者认为虽然ChatGPT无法替代程序员的大部分技能，但可以作为一个工具来提升工作效率。

  可以看到对于我博客的网址还是非常好用的，我也测试了CSDN、掘金等技术网站，也可以正常使用。但有些网站拿不到结果，不是ChatGPT不行，而是我get_text_from_url方法写的太low了，有些情况下确实没法抓取到内容。

备注：使用函数调用时需要升级最新的openai包，另外目前也只有gpt-3.5-turbo-0613和gpt-4-0613两个模型才支持函数调用，其他模型还不支持。

总结

   不管是从官网查询天气的示例，还是从我这个抓取网页的示例来看，接入函数调用的能力并不复杂。另外需要注意到的一点，虽然这个功能叫函数调用，但ChatGPT并不会帮你去调这些函数，而是帮你判断何时去调用这些函数，给你调用函数所需要的参数，最终肯定得是由你自己去调用函数的。从它的返回数据格式可以看出，当前版本的函数调用还有个局限点，就是当前版本只能在一次对话中调起一个函数，如果遇到那种需要多次调用的操作，就只能通过多轮对话的方式实现了。

   虽然函数调用这个功能看似简单，但我觉得这个功能让ChatGPT拥有了和现有程序打通的能力，以前它只能帮你做决策、给建议，但现在它还可以去帮你执行。举个很实际的例子，现在ChatGPT用的最多的地方就是客服之类的问答场景，现在的系统只能做一些信息交换，比如商品咨询、退换货信息咨询……，但如果接入函数调用功能，用户就可以直接在对话的过程中完成整个流程，这现在是完全可以做到的，不过这个东西刚出来，其决策的可靠性还需要验证，连OpenAI在官网上都提示:

We strongly recommend building in user confirmation flows before taking actions that impact the world on behalf of users (sending an email, posting something online, making a purchase, etc).
我们强烈建议在代表用户采取影响世界的动作（发送电子邮件、在线发布内容、进行购买等）之前，先由用户确认。

  如果你还意识不到函数调用的强大能力，我再举一些简单的例子：如果ChatGPT和你的日历打通，那它是不是就可以帮你管理日程了； 如果和你的笔记打通，那它是不是就可以帮你整理笔记了；甚至是和你的股票账号打通，是不是就可以帮你炒股了；如果和脑机接口打通，那它是不是就可以控制……