【GPT入门】第14课 openai调用高德地图案例实现多轮会话与多轮接口调用

【GPT入门】第14课 openai调用高德地图案例实现多轮会话与多轮接口调用

1.使用openai调用高德地图API概述

任务描述:使用openai调用高德地图API,实现用户问地理有关的信息时,调用高德API,并返回相关信息
例如:
问:我想在广州珠江新城附近喝咖啡,给我推荐几个
答:在广州珠江新城附近,有几个不错的咖啡店推荐:

  1. 星巴克 - 经典的咖啡连锁店,提供多种咖啡和轻食。
  2. 咖啡陪你 - 适合休闲放松的咖啡店,环境舒适。
  3. Maan Coffee - 以其独特的韩式风格和美味的咖啡而闻名。
    你可以根据自己的喜好选择去哪个咖啡店!

实现思路:

  1. 了解高德地图API
  2. 定义OPENAI接口, 目的是准备好高德地图API需要的参数
  3. 程序调用高德地图API
  4. 调用结果使用多轮对话的方式实现
  5. 注意:用户的prompt可能包含多个地点,需要直线多个地点的回答

2. 高德接口调用申请

申请高德地图的AMAP_KEY,主要有以下步骤:

  1. 注册登录:访问高德开放平台官网,点击“立即注册”按钮,填写邮箱、密码等相关信息完成注册。如果已有账号,直接登录。
  2. 创建应用:登录后,点击页面左侧菜单栏中的“我的应用”,再点击“创建应用”按钮,输入应用名称、描述等信息,选择合适的应用类别后点击创建。
  3. 添加Key:进入“我的应用”,选择需要创建Key的应用,点击“添加Key”。表单中的服务平台根据需求选择,如用于Web开发选“Web服务”;用于安卓应用选“Android平台SDK”;用于iOS应用选“iOS平台SDK”等。
  4. 获取Key:填写必要信息后点击提交,创建成功即可获取AMAP_KEY和安全密钥。

3.实现代码(多个function调用,多轮对话)

from openai import OpenAI
from dotenv import load_dotenv, find_dotenv
import json
from myjson import print_json
_ = load_dotenv(find_dotenv())

client = OpenAI()

def get_completion(messages, model="gpt-4o-mini"):
    response = client.chat.completions.create(
        model=model,
        messages=messages,
        temperature=0,
        seed=1024,      # 随机种子保持不变,temperature 和 prompt 不变的情况下,输出就会不变
        tool_choice="auto",  # 默认值,由 GPT 自主决定返回 function call 还是返回文字回复。也可以强制要求必须调用指定的函数,详见官方文档
        tools=[{
   
   
            "type": "function",
            "function": {
   
   
                "name": "get_location_coordinate",
                "description": "根据POI名称,获得POI的经纬度坐标",
                "parameters": {
   
   
                    "type": "object",
                    "properties": {
   
   
                        "location": {
   
   
                            "type": "string",
                            "description": "POI名称,必须是中文",
                        },
                        "city": {
   
   
                            "type": "string",
                            "description": "POI所在的城市名,必须是中文",
                        }
                    },
                    "required": ["location", "city"],
                }
            }
        },
            {
   
   
                "type": "function",
                "function": {
   
   
                    "name": "search_nearby_pois",
                    "description": "搜索给定坐标附近的poi",
                    "parameters": {
   
   
                        "type": "object",
                        "properties": {
   
   
                            "longitude": {
   
   
                                "type": "string",
                                "description": "中心点的经度",
                            },
                            "latitude": {
   
   
                                "type": "string",
                                "description": "中心点的纬度",
                            },
                            "keyword": {
   
   
                                "type": "string",
                                "description": "目标poi的关键字",
                            }
                        },
                        "required": ["longitude", "latitude", "keyword"],
                    }
                }
            }],
    )
    return response.choices[0].message

import requests
import os

amap_key = os.getenv("AMAP_KEY")
amap_base_url = os.getenv("AMAP_URL") # 默认是 https://restapi.amap.com/v5


print(amap_base_url)



def get_location_coordinate(location, city):
    url = f"{amap_base_url}/place/text?key={amap_key}&keywords={location}&region={city}"
    r = requests.get(url)
    result = r.json()
    print("get_location_coordinate接口返回:")
    print(result)
    if "pois" in result and result["pois"]:
        return result["pois"][0]
    return None

def search_nearby_pois(longitude, latitude, keyword):
    url = f"{amap_base_url}/place/around?key={amap_key}&keywords={keyword}&location={longitude},{latitude}"
    r = requests.get(url)
    result = r.json()
    print("search_nearby_pois 结构返回:")
    print(result)
    ans = ""
    if "pois" in result and result["pois"]:
        for i in range(min(3, len(result["pois"]))):
            name = result["pois"][i]["name"]
            address = result["pois"][i]["address"]
            distance = result["pois"][i]["distance"]
            ans += f"{name}\n{address}\n距离:{distance}米\n\n"
    return ans
def search_nearby_pois2(longitude, latitude, keyword):
    url = f"{amap_base_url}/place/around?key={amap_key}&keywords={keyword}&location={longitude},{latitude}"
    r = requests.get(url)
    result = r.json()
    ans = ""
    if "posi" in result and result['pois']:
        for i in range(min(3,result["pois"])):
            name = result["pois"][i]["name"]
            address = result["pois"][i]["address"]
            distance = result["pois"][i]["distance"]
            ans += f"{name}\n{address}\n距离:{distance}米\n\n"
    return ans

#prompt = "我想在广州珠江新城附近喝咖啡,给我推荐几个"
prompt = "我到广州出差,给我推荐电视塔附近的酒店,和珠江新城附近的咖啡" # 一次请求两个调用

messages = [
    {
   
   "role": "system", "content": "你是一个地理通,你可以找到任何地址"}
<think>好的,我现在需要帮用户解决如何通过OpenAI API调用大模型实现多轮对话的问题。首先,我得回忆一下用户提供的引用内容,尤其是引用[1]、[2]、[3]。这些引用提到了维护messages列表、角色设置以及如何调用API。 用户的问题主要集中在具体方法和示例代码上。我需要确保回答结构清晰,分步骤讲解。首先,应该解释多轮对话的原理,即维护对话历史。然后,详细说明如何构造消息列表,包括system、user和assistant角色。接着,提供代码示例,展示如何初始化客户端、添加消息和调用API。 需要注意用户提到的系统级指令,比如正确使用LaTeX格式,但这里可能用上,因为主要涉及代码和步骤说明。还要生成相关问题,这部分最后处理。 可能需要检查示例代码是否符合最新的OpenAI库版本,比如是否使用正确的client.chat.completions.create方法,以及消息格式是否正确。引用[2]中的代码示例是一个很好的参考,可以在此基础上扩展多轮对话的部分。 另外,用户提到的环境变量设置和token计算在引用[3]中有提到,需要提醒用户注意API密钥的安全,比如使用dotenv加载环境变量。同时,多轮对话的关键在于每次请求都包含之前的对话历史,这一点需要强调。 最后,确保回答使用中文,结构分步骤,代码用代码块展示,并在末尾添加相关问题。还要确认引用的正确标注,比如引用[1]关于维护messages列表的部分,引用[2]的代码结构,引用[3]的环境配置。</think>以下是使用OpenAI API调用大语言模型实现多轮对话的具体方法和示例代码: ### 一、实现原理 多轮对话的核心是维护一个包含对话历史的`messages`列表。每次API调用时,需要将历史对话和新问题一起发送给模型,使模型能基于上下文生成连贯的响应[^1]。 ### 二、具体步骤 1. **初始化客户端** ```python from openai import OpenAI from dotenv import load_dotenv load_dotenv() # 加载环境变量(含OPENAI_API_KEY) client = OpenAI() ``` 2. **构建消息列表** 消息格式为字典数组,包含三种角色: - `system`: 设定AI的初始身份和规则 - `user`: 用户输入内容 - `assistant`: AI之前的回复 ```python messages = [ {"role": "system", "content": "你是AI助手小智,擅长编程问题解答"}, {"role": "user", "content": "Python如何实现快速排序?"} ] ``` 3. **发送请求并获取响应** ```python response = client.chat.completions.create( model="gpt-3.5-turbo", messages=messages, temperature=0.7 ) ``` 4. **处理响应并更新对话历史** ```python ai_reply = response.choices[0].message.content messages.append({"role": "assistant", "content": ai_reply}) # 添加新的用户提问 messages.append({"role": "user", "content": "请用Python实现这个算法"}) ``` ### 三、完整示例代码 ```python from openai import OpenAI import os client = OpenAI(api_key=os.getenv("OPENAI_API_KEY")) messages = [ {"role": "system", "content": "你是一个资深Python开发工程师"}, {"role": "user", "content": "如何用Python实现二叉树遍历?"} ] # 第一轮对话 response1 = client.chat.completions.create( model="gpt-3.5-turbo", messages=messages ) reply1 = response1.choices[0].message.content messages.append({"role": "assistant", "content": reply1}) # 第二轮追问 messages.append({"role": "user", "content": "请写出前序遍历的非递归实现"}) response2 = client.chat.completions.create( model="gpt-3.5-turbo", messages=messages ) print(response2.choices[0].message.content) ``` ### 四、注意事项 1. 每次API调用需包含完整对话历史 2. `system`提示词应简明扼要(建议超过200字) 3. 可通过`temperature`参数控制生成结果的随机性(0-2范围) 4. 注意API调用成本控制,单次对话token上限4096(GPT-3.5)[^3]
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值