AIGC: 5 IT從業者如何使用AI賦能業務?

上圖是一個使用AI生成的圖片， 描述一下這篇文章的背景。

程序員系統學習了OpenAI提供的api接口，並熟練利用提示詞結合業務解決業務問題。

現狀

講一個故事來開始今天的內容。

架構師老李在技術圈裏以其卓越的技術洞察力而著稱。另一邊，Carter，一個年輕有爲的30歲創業公司老闆，正面臨一個急需解決的難題。

他的公司主打全球客服平臺，專爲小顆粒用戶提供高度個性化的服務體驗，同時也爲中大型客戶提供了AI賦能的人工客服解決方案。

隨着業務的蓬勃發展，小顆粒用戶羣體對AI的期待日益增長，他們希望得到即刻而準確的反饋。中大型企業的客服團隊也迫切需要AI的支持，

以提高服務效率和顧客滿意度。Carter清楚地意識到，如果不能迅速提升技術實力，他的公司可能會失去在這場全球化競爭中的優勢。

正當Carter焦慮不已時，老李出現了。兩人的一次偶然會面，讓老李瞭解到了Carter的燃眉之急。老李建議Carter採用OpenAI 提供的API，

這是一個他個人深入研究並且對其潛力深信不疑的解決方案。他向Carter解釋瞭如何利用這些API和提示詞來提升客服平臺的智能水平，不僅能夠理解客戶的複雜需求，還能提供實時、高質量的解答。

Carter被老李的見解所說服，並決定投資於OpenAI的技術。他組織了一支專業團隊，在老李的指導下，成員們開始系統地學習OpenAI的API，

並根據公司的業務需求和客戶的特定場景來定製化提示詞。經過數月的努力，團隊開發出了一個先進的AI客服系統，能夠針對不同規模的客戶提供優化服務。

新系統的上線立即產生了影響。小顆粒用戶享受到了前所未有的快速而精確的服務體驗，中大型企業的客服效率也得到了顯著提升。

Carter的公司迅速在全球客服領域贏得了聲譽，其市場份額穩步增長。

通過Carter和老李的合作，公司不僅保持了在行業中的競爭力，還樹立了利用AI技術持續創新的典範。

問題

你知道基於AI有哪些典型的應用嗎？如何把AI跟業務結合。

大部分的企業其實只用到了提示詞，即可把自己的業務跟AI結合起來。

那麼，AI有哪些典型的應用提示詞呢？

實現路徑

作爲程序員，你必須首先知道AI能幹什麼？再結合業務想想自己可以幹什麼？

即你首先需要了解AI提供了哪些API的能力，有哪些典型應用場景。

最後結合所在公司的業務場景，靈活的使用AI的能力跟業務結合。

接口協議

在使用提示詞之前，我們先熟悉一下AI提供的接口的http協議是怎樣的。

大綱如下：

您可以通過任何語言的HTTP請求與API進行交互，也可以通過我們的官方Python綁定庫、官方Node.js庫或社區維護的庫來實現。

要安裝官方Python綁定庫，請運行以下命令：

pip install openai

要安裝官方Node.js庫，請在您的Node.js項目目錄中運行以下命令：

npm install openai@^4.0.0

這些命令將分別在Python和Node.js環境中安裝OpenAI提供的官方庫，使得開發者可以在他們選擇的編程環境中方便地調用API。

我比較熟悉java語言，那麼java語言的庫是什麼呢？

openai-java 或者使用azure的openapi庫java版本來進行編程，它也支持訪問openAI的接口。

認證

OpenAI API 使用 API 密鑰進行認證。請訪問您的 API 密鑰頁面以獲取您將在請求中使用的 API 密鑰。

請記住，您的 API 密鑰是一個祕密！不要與他人分享，也不要在任何客戶端代碼中（瀏覽器、應用程序）暴露它。生產環境中的請求必須通過您自己的後端服務器路由，在此服務器中您的 API 密鑰可以安全地從環境變量或密鑰管理服務中加載。

所有 API 請求都應將您的 API 密鑰包含在 Authorization HTTP 頭中，如下所示：

Authorization: Bearer OPENAI_API_KEY

這是標準的Bearer令牌認證方式，其中OPENAI_API_KEY是您的實際API密鑰。在發送HTTP請求時，您需要在請求頭中加入這個字段，以便API服務能夠驗證並授權您的請求。

組織

對於屬於多個組織的用戶，您可以通過傳遞一個頭部（header）來指定哪個組織用於API請求。這些API請求的使用量將計入指定組織的使用量。

示例的curl命令如下：

curl https://api.openai.com/v1/models  \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "OpenAI-Organization: org-uNvcRCbJ1LJApJrL0vMOj6Wa"

使用OpenAI Python包的示例：

from openai import OpenAI

client = OpenAI(
  organization='org-uNvcRCbJ1LJApJrL0vMOj6Wa',
)

使用OpenAI Node.js包的示例：

import OpenAI from "openai";

const openai = new OpenAI({
  organization: 'org-uNvcRCbJ1LJApJrL0vMOj6Wa',
});

組織ID可以在您的組織設置頁面上找到。 發起請求時，您可以按照上述示例中的代碼，通過指定組織ID來確保API請求計入相應組織的使用量。這在管理多個組織的資源和使用情況時非常有用。

發送請求

您可以將以下命令粘貼到終端中，以運行您的第一個API請求。請確保將 $OPENAI_API_KEY 替換爲您的祕密API密鑰。

curl https://api.openai.com/v1/chat/completions  \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
     "model": "gpt-3.5-turbo",
     "messages": [{"role": "user", "content": "Say this is a test!"}],
     "temperature": 0.7
   }'

這個請求查詢 gpt-3.5-turbo 模型（在內部指向 gpt-3.5-turbo 模型的變體），以完成以提示 "Say this is a test" 開始的文本。您應該得到一個類似於以下的響應：

{
    "id": "chatcmpl-abc123",
    "object": "chat.completion",
    "created": 1677858242,
    "model": "gpt-3.5-turbo-0613",
    "usage": {
        "prompt_tokens": 13,
        "completion_tokens": 7,
        "total_tokens": 20
    },
    "choices": [
        {
            "message": {
                "role": "assistant",
                "content": "\n\nThis is a test!"
            },
            "logprobs": null,
            "finish_reason": "stop",
            "index": 0
        }
    ]
}

現在您已經生成了第一個聊天補全，讓我們來解析這個響應對象。我們可以看到 finish_reason 是 stop，這意味着API返回了模型生成的完整聊天補全，而沒有遇到任何限制。

在 choices 列表中，我們只生成了一條消息，但您可以通過設置 n 參數來生成多條消息選項。

請求協議

下面歸納一下 這個接口的協議。

請求參數

響應信息

聊天補全對象 代表模型根據提供的輸入返回的聊天補全響應

流式傳輸

OpenAI API提供了將響應流式傳輸回客戶端的能力，以便對某些請求提供部分結果。爲了實現這一點，我們遵循了服務器發送事件（Server-sent events）標準。我們的官方Node.js和Python庫包含了輔助工具，以簡化解析這些事件的過程。

流式傳輸功能支持Chat Completions API和Assistants API。本節重點介紹如何在Chat Completions中使用流式傳輸。有關在Assistants API中如何使用流式傳輸的更多信息，請訪問此處。

在Python中，一個流式傳輸請求看起來像這樣：

from openai import OpenAI

client = OpenAI()

stream = client.chat.completions.create(
    model="gpt-4",
    messages=[{"role": "user", "content": "Say this is a test"}],
    stream=True,
)
for chunk in stream:
    if chunk.choices[0].delta.content is not None:
        print(chunk.choices[0].delta.content, end="")

在Node.js/TypeScript中，一個流式傳輸請求看起來像這樣：

import OpenAI from "openai";

const openai = new OpenAI();

async function main() {
    const stream = await openai.chat.completions.create({
        model: "gpt-4",
        messages: [{ role: "user", content: "Say this is a test" }],
        stream: true,
    });
    for await (const chunk of stream) {
        process.stdout.write(chunk.choices[0]?.delta?.content || "");
    }
}

main();

解析服務器發送的事件

解析服務器發送的事件並不簡單，應該謹慎進行。簡單的策略，如按換行符分割，可能會導致解析錯誤。

我們建議儘可能使用現有的客戶端庫。

效果就是結果是一條一條返回的，避免等待太久。

返回值格式

聊天補全塊對象 代表模型根據提供的輸入返回的聊天補全響應的流式傳輸塊。

提示詞典型應用場景

挨個熟悉提示詞。 GPT給出了30個提示詞的例子。

我舉例拆解一下。

實際使用的是chat接口。

英語語法校正

辯論

面試問問題

小結

本文從一個故事出發，拋出問題，作爲程序員如何系統的瞭解AI的能力並靈活的跟業務結合？

最後，系統的介紹了OpenAI的API圖譜，和典型的提示詞場景。 並作了一些實踐。

在實際工作中確實也是這麼做的，比如客服的AI質檢， AI總結， AI知識庫，AI文本聊天機器人 。

原創不易，關注誠可貴，轉發價更高！轉載請註明出處，讓我們互通有無，共同進步，歡迎溝通交流。