背景
最近 发布了一些模型及 API 的更新，主要有以下内容：
Chat 接口中新增对 （函数调用）的支持；gpt-3.5 发布的新的支持 16k 上下文的模型 gpt-3.5-turbo-16k ，直接变成了原来的 4 倍；发布了新的支持函数调用的模型 gpt-3.5-turbo-0613 和 gpt-4-0613 ；
其中对开发者而言，最兴奋的就是 的功能了，这个基本就是 底层实现的基础了，有了这个能力我们也可以打造自己的“插件商城”了。下面我们就一起看一下 的具体功能。
概述GPT 本身的局限
的 GPT 本身具有很强的智能，但也有知识陈旧以及缺少“手脚”问题。比如，gpt-4 模型的训练数据都是 2021 年 9 月之前的数据，所以他并不知道 2023 年苹果发布了 系统；另外，现在的 并不能执行一些动作，比如帮忙发送邮件，现在能做的仅仅是编写邮件。
具体表现为：
LLM 的知识是基于模型训练时使用的数据及知识，对于后续的新的事实其并不知道；LLM 类似于“缸中之脑”，其有很高的智能但是缺少一些行动的能力；目前的解决方案
上述问题社区中也有一些解决方案，如 之类的工具。除此之外， 官方也推出了 的功能，允许开发者可以给 LLM 提供一些能力来解决上述问题，甚至是增强其能力提供了更多模态的信息输出。
上述的解决方案中也都有各自的问题：
简单讲 功能其实就是在 Chat 接口（下文统一称 Chat 接口）中新增了一个 的可选入参，该参数是一个列表可以支持传入多个函数的声明，在声明中告诉 GPT 有这些函数可以被调用，他可以借助这些函数完成自己不能完成的的一些事情，或者说把自己的任务完成的更加出色。
从这角度来理解 和 中的 并没有本质区别。前者是面对开发者的基础能力，后者是面对用户的基础交互体验。
的出现基本上可以很好的解决之前遗留的一些问题：
突破编程语言的限制，目前发布的功能是云端接口，只要可以进行网络请求的语言都可以实现此功能；提升函数调用的稳定性，官方出品稳定性有保证，但并不是没有稳定性的问题还是要添加对应容错逻辑；提示 API 易用性，垂直领域的 LLM 应用开发少不了 API 调用，这部分的使用越简单其上层的 LLM 应用月繁荣；
下面我们就来详细看一下 到底是什么，怎么用，以及一些常见的使用案例。
Chat
是 Chat 接口中一个参数，想要了解 我们需要先了解一下 Chat 接口的一些基本概念。
接口简介
Chat 接口 聊天应用中使用的接口，区别于之前的 接口，它将用户和 GPT 的对话以列表的形式进行进行管理，并不是将所有的对话的统一拼接在一个字符串中。除此之外，Chat 接口还明确了 role 的概念，系统的上下文信息通过 来表示。
目前接口仅支持 gpt-3.5 和 gpt-4 的系列模型。其形式大致如下：
import openai
openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "Who won the world series in 2020?"},
{"role": "assistant", "content": "The Los Angeles Dodgers won the World Series in 2020."},
{"role": "user", "content": "Where was it played?"}
]
)
表示的是对话列表，包含对话的角色以及对应的内容，此次的更新中新增了 这个角色，目前共有以下内容：
：表示系统上下文信息，确定当前对话的基本格调，一般接口只包含一条该内容；user：用户的提问的问题；：GPT 返回的回答内容；：函数执行的结果，需要将此信息传递给 GPT，以便 GPT 更加次内容做出进一步的回答； 基本定义
这次的 功能并不是新接口，而是在 Chat 接口上扩展而来的。在请求接口以及接口返回上都有调整。主要内容如下：
接口请求：新增 参数和平级，role 中新增 枚举标识是函数执行的结果；接口返回： 的 中新增 字段，包含函数执行必须的参数信息，与文本内容 平级，但基本不会同时出现；
Curl 请求形式大致如下（下文会详细讲解字段含义）：
curl https://api.openai.com/v1/chat/completions -u :$OPENAI_API_KEY -H 'Content-Type: application/json' -d '{
"model": "gpt-3.5-turbo-0613",
"messages": [
{"role": "user", "content": "What is the weather like in Boston?"}
],
"functions": [
{
"name": "get_current_weather",
"description": "Get the current weather in a given location",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "The city and state, e.g. San Francisco, CA"
},
"unit": {
"type": "string",
"enum": ["celsius", "fahrenheit"]
}
},
"required": ["location"]
}
}
]
}'
返回的 JONS 形式大致如下（下文会详细讲解字段含义）：
{
"id": "chatcmpl-123",
...
"choices": [{
"index": 0,
"message": {
"role": "assistant",
"content": null,
"function_call": {
"name": "get_current_weather",
"arguments": "{ "location": "Boston, MA"}"
}
},
"finish_reason": "function_call"
}]
}
调用流程
整个功能的调用顺序大致如下：
声明函数并请求 API：定义当前函数的名称，描述，以及对应的参数信息，并执行 的 Chat 接口；执行本地函数：接受接口返回，并解析对应的函数参数信息，根据对应的参数信息调用本地函数；上报执行结果：将本地函数执行的结果上报给 Chat 接口进行汇总、总结；
详细的时序图如下：
下面就以用户询问当前的天气的场景来详细讲解下 是如何运行的。
基本使用第 1 步：声明函数并请求 API
其中 是一个列表包含多个函数对象，每个对象中包含：
name：函数的名字，但函数被命中时接口会返回此处定义的名称；：函数的描述， 会根据此描述根据场景决定是否需要调用此函数，所以这里一定要描述清楚；：函数参数，当前定义的函数需要哪些传参，这些参数的类型以及可空性都需要在这里声明；
首先我们先定义一个获取当前天气的函数声明，并且这个函数需要两个参数：
：位置信息，即想要查询那个地方的天气信息，类型是一个字符串，非空；unit：天气的单位，类型是一个字符串，是两个枚举摄氏度与华氏度，可空；
相关文章
