function call学习之2
当然可以。我们将新增一个名为 is_legal_question 的函数来判断用户的问题是否与法律相关。如果问题是关于法律的，我们将调用 get_legal_answer 函数来获取答案。下面是完整的代码示例：
示例代码
import openai
import json
# 设置OpenAI API密钥
openai.api_key = "your-api-key"
def is_legal_question(question: str) -> bool:
# 这里只是一个简单的示例，实际应用中应该使用更复杂的方法来判断
keywords = ["law", "legal", "regulation", "rights", "court", "litigation"]
return any(keyword in question.lower() for keyword in keywords)
def get_weather(city: str) -> dict:
# 假设这是一个真实的天气API调用
return {"city": city, "temperature": "20°C", "forecast": "sunny"}
def get_legal_answer(question: str) -> dict:
# 这里只是一个示例，实际应用中应该调用真实的法律咨询API
return {"question": question, "answer": "This is a sample legal answer."}
# 发送请求并处理响应
def process_request():
# 用户输入
user_input = input("Enter your query: ")
# 判断是否询问天气
if "weather" in user_input.lower():
# 调用 get_weather 函数
city = user_input.split(" ")[-1] # 假设城市名是查询的最后一部分
weather_info = get_weather(city)
print(f"Weather Info: {weather_info['forecast']} in {weather_info['city']}, temperature is {weather_info['temperature']}.")
# 判断是否为法律问题
elif is_legal_question(user_input):
# 调用 get_legal_answer 函数
legal_answer = get_legal_answer(user_input)
print(f"Legal Answer: {legal_answer['answer']}")
else:
# 构建请求数据
request_data = {
"model": "gpt-4",
"messages": [
{"role": "system", "content": "You are a helpful assistant that can call external functions. If the user asks about the weather, you should use the 'get_weather' function to retrieve the information. If the user asks a legal question, you should use the 'get_legal_answer' function to retrieve the information."},
{"role": "user", "content": user_input}
],
"functions": [
{
"name": "get_weather",
"description": "Get the weather in a specific city.",
"parameters": {
"type": "object",
"properties": {
"city": {
"type": "string",
"description": "The city name"
}
},
"required": ["city"]
}
},
{
"name": "get_legal_answer",
"description": "Get an answer to a legal question.",
"parameters": {
"type": "object",
"properties": {
"question": {
"type": "string",
"description": "The legal question"
}
},
"required": ["question"]
}
}
],
"function_call": "auto"
}
# 发送请求
response = openai.ChatCompletion.create(**request_data)
# 获取函数调用的结果
function_call = response.choices[0].message.function_call
function_name = function_call.name
function_args = json.loads(function_call.arguments)
# 根据函数名称调用相应的函数
if function_name == "get_weather":
result = get_weather(function_args.get("city"))
elif function_name == "get_legal_answer":
result = get_legal_answer(function_args.get("question"))
# 再次发送请求，这次是将函数调用的结果发送回去
second_response = openai.ChatCompletion.create(
model="gpt-4",
messages=[
*request_data["messages"],
{"role": "assistant", "content": None, "function_call": {"name": function_name, "arguments": json.dumps(function_args)}},
{"role": "function", "name": function_name, "content": json.dumps(result)}
]
)
# 输出最终的回复
print(second_response.choices[0].message.content)
# 主函数
def main():
while True:
process_request()
if input("Do you want to continue? (y/n): ").lower() != "y":
break
if __name__ == "__main__":
main()
说明：
1. 新增的函数：
• is_legal_question: 用于判断用户的问题是否与法律相关。
• get_legal_answer: 用于获取法律问题的答案。这里只是一个示例，实际应用中应该调用真实的法律咨询API。
2. 主流程：
• 用户输入问题。
• 程序先检查问题是否关于天气，如果是，则直接调用 get_weather 函数。
• 如果问题可能是关于法律的，程序调用 is_legal_question 函数进行判断。如果是法律问题，则调用 get_legal_answer 函数。
• 如果以上都不是，则构建请求数据并发送给GPT-4 API。
3. 请求数据：
• 包含了系统消息、用户消息、可调用的函数定义以及函数调用设置。
4. 处理响应：
• 根据API响应中的函数调用结果，调用相应的函数并获取结果。
• 再次发送请求，这次是将函数调用的结果发送回去。
• 输出最终的回复。
注意事项：
• 这个示例假设用户总是按照特定格式输入查询。实际应用中，你可能需要更复杂的逻辑来解析用户输入。
• is_legal_question 函数使用了一个简单的关键词匹配方法来判断是否为法律问题。在实际应用中，你可能需要使用更复杂的自然语言处理技术来提高判断的准确性。
希望这个示例对你有所帮助！如果有任何疑问或需要进一步的帮助，请随时提问。