chatgpt插件开发者权限 ChatGPT 开源了第一款插件,都来学习一下源码吧!

AI资讯1年前 (2023)发布 fengdao
30 0

3 月 23 日, 又投出了一枚重磅炸弹:为 推出插件系统!

此举意味着 将迎来“APP Store”时刻,也就是围绕它的能力,形成一个开发者生态,打造出基于 AI 的“操作系统”!

插件系统将为 带来质的飞跃,因为借助于插件服务,它可以获取实时的互联网信息、调用第三方应用(预定酒店航班、点外卖、购物、查询股票价格等等)。

是一个无比聪明的大脑,而插件会成为它的眼睛、耳朵、手脚、甚至于翅膀,能力惊人,未来不敢想象!

官方目前提供了两个插件:

另外, 还开源了一个知识库检索插件 — ,这个插件通过自然语言从各种数据源(如文件、笔记、邮件和公共文档)检索信息。有了开源代码后,开发者可以部署自己的插件版本。

想象一下,假如我提供了一个“ 知识库插件”,以所有官方文档作为数据源,那以后有任何 使用上的问题,我就只需询问 ,然后它调用插件并解析数据,最后返回给我准确的答案。这将节省大量的时间!

不仅如此,你还可以用书籍作为数据源,打造出“西游记知识库”、“红楼梦知识库”、“百科全书知识库”、“个人图书馆知识库”,等等;以专业领域的论文与学术期刊为数据源,创造出一个专家助手,从此写论文查资料将无比轻松;以苏格拉底、乔布斯、马斯克等名人的资料为数据源,创造出人格化的个人顾问……

作为第一个开源的 插件,– 项目一经发布,就登上 趋势榜第一,发布仅一周就获得 11K stars。

这个项目完全是用 写的,不管是出于学习编程的目的,还是为了将来开发别的插件作借鉴,这都值得我们花时间好好研究一下。

接下来,我将分享自己在阅读项目文档和源码时,收获到的一些信息。

首先,该项目含 代码约 3 K,规模不算大。项目结构也很清晰,目录如下:

目录描述

包含使用各种向量数据库提供程序存储和查询文档嵌入的核心逻辑

包括配置示例、身份验证方法和面向程序提供方的示例

权限组插件_chatgpt插件开发者权限_授权插件

包含插件使用的数据模型,例如文档和元数据模型

存放实用的脚本,用于处理和上传来自不同数据源的文件

存放主要的 服务端实现

包含用于任务(如分块、元数据提取和 PII 检测)的实用服务

tests

包括各种向量数据库提供程序的集成测试

.well-known

存储插件清单文件和 格式,定义插件配置和 API 规范等信息

除去示例、测试、配置文件等内容外,最主要的三个目录如下:

数据存储

数据源的文本数据会被映射到低维度向量空间,然后存储到向量数据库中。官方已提供 、、、、、Redis 这几种数据存储方案的示例。另外,有几个 pull 想要加入 的支持,大概率将来会合入。

这里使用了抽象工厂设计模式 , 是一个抽象类,每种数据存储库是具体的实现类,需要实现三个抽象方法:

(1)(: Dict[str, List[]]) -> List[str] 方法,接收一个字典参数,包含有 对象列表,将它们插入到数据库中。返回值为文档 ID 的列表。

(2)(: List[]) -> List[] 方法,接收一个列表参数,包含被 的查询文本。返回一个包含匹配文档块和分数的查询结果列表。

(3)(ids: [List[str]] = None, : [er] = None, : [bool] = None, ) -> bool 方法,根据 id 和其它过滤条件删除,或者全部删除。返回操作是否成功。

chatgpt插件开发者权限_授权插件_权限组插件

值得注意的是,该目录下的.py 模块使用了 3.10 新引入的 match-case 语法,紧跟着 社区的新潮流呢~

服务端接口

这个目录只有一个main.py 文件,是整个项目的启动入口。它使用了目前主流的 框架,提供了增删改查的几个 API,另外使用 模块来启动服务。

在这几个接口中,增改删功能主要是给开发者/维护者使用的, 只需调用插件的查询接口。因此,代码中还创建了一个“/sub”子应用,只包含/query 接口,提供给 调用。

另外,它使用 的 mount 方法挂载了一个“/.well-known”静态文件目录,暴露了关于本插件的基本信息,例如名称、描述、作者、logo、邮箱、提供给 的接口文档等等。

任务处理方法

这个目录下是一些通用的函数,比如下面这些:

(1).py 文件包含了将字符串和 对象分割成小块、以及为每个块获取嵌入向量的函数。

(2)file.py 文件提供了从上传的文件中提取文本内容及元数据的函数。目前支持解析的文件类型包括 PDF、纯文本、、Word、CSV 和 PPTX。

(3).py 文件包含两个函数: 函数使用 的 text–ada-002 模型对给定的文本进行嵌入。 函数使用 的 API 生成对话。

整个而言,这个插件的几个接口功能很清晰,代码逻辑也不算复杂。核心的文本嵌入操作是借助于 的 接口,文本分块信息的存储及查询操作,则是依赖于各家向量数据库的功能。

上有博主手画了一张示意图,字体虽潦草,但大家可以意会一下:

他这个视频 值得推荐一看,因为 up 主不仅简明地介绍了插件的工作原理,还手把手演示如何部署到 Ocean、如何修改配置、如何调试,而且他有 的插件权限,可以将自己部署的插件接入 ,现场演示了知识库插件的使用!

视频:

目前,关于 插件的介绍、开发及配置等资料还比较少,毕竟是新推出的。但是,申请 的个人和组织已经数不胜数了,一旦开放使用,各式各样的插件一定会像 社区丰富的开源库一样,也将极大扩展 的生态。

最后,插件 — 的官方文档是最为详细的一手资料,推荐大家研究一番。

– EOF –

© 版权声明

相关文章

暂无评论

暂无评论...