ChatGPT赋能低代码开发：打造智能应用的双重引擎

[葡萄城技术团队]

ChatGPT的functions函数使用方

自从OPENAI发布了最新的GPT引擎gpt-3.5-turbo-0613之后，我就对它的functions参数很感兴趣，利用GPT超强的语言理解能力，如果加上函数执行，我们就可以让AI不再是聊聊天、回答问题了，甚至能够直接帮我们完成工作任务。刚好今天周末，不如就动手试试，看能否达到我所想的效果。

开始之前，我们先要看一下官方文档，看看这个functions，是个什么神奇的参数，只有搞清楚了它的作用和原理，我们才知道如何利用它。

这是官方对Function calling的介绍，我们可以看到，目前支持gpt-3.5-turbo-0613和gpt-4-0613两种引擎。

再看看functions参数的格式和属性，我们可以看到，这里我们向GPT定义了一个名为"get_current_weather"的函数，并且在description中描述了这个函数的用途，在properties中，我们定义了两个参数，location和unit，这是向GPT表明，你如果调用这个函数，需要向函数提供两个参数，并且对两个参数都进行了描述。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Tl2uvl8v-1692754507906)(media/e8573f9b741e5f8740fa1e4b64f973c2.png)]

看懂了functions参数，我们大概知道了原理，其实并不复杂，我们通过定义一系列函数，告诉GPT函数是什么时候用，做什么用，需要什么参数才能用等，GPT会根据与用户的聊天信息自行判断是否要“执行函数”。

为什么要给执行函数打上双引号呢？事实上GPT肯定是不能直接执行函数的，因为这只是个普通的HTTP请求，GPT也只是返回一个JSON格式的响应信息，那该如何实现执行函数的呢？

如何让ChatGPT调用函数

要搞懂这个，我们还得看看GPT给我们返回的数据长什么样子。

上面是一个正常的聊天回复信息，我们看到，message里面只有role和content两个属性，另外还新增了一个属性 finish_reason ，当它的值为“stop”，说明此次的对话无需执行函数，也说明GPT并没有调用函数的打算，接下来我们看看GPT打算调用函数时，会返回什么？

我们发送“请问北京现在天气怎么样”给GPT，看它的回答。

这里可以明显看到，finish_reason的值变成了“function_call”，开发人员通过判断finish_reason的值，就可以知道GPT是否要调用函数。

这下豁然开朗了，我们通过回复的内容，弄清楚GPT要调用什么函数，然后拿到GPT帮我们获取的参数，直接执行函数就可以了。

使用ChatGPT嵌入活字格

数据库表和前端设计

下面我们来给活字格装上AI的翅膀，我们先打开活字格9.0的版本，新建一个“订单数据表”，并填充模拟数据，另外再建一张消息记录表。

（订单数据表）

（表字段）

然后新建一个页面，制作一个简单类似搜索的页面，运行看看效果。

（运行效果）

这个页面用来与用户进行自然语言交互，前端我们暂时做到这儿。

后端设计

接下来设计后端，把ChatGPT对接部分做好。

为了方便使用，我提前将GPT的API封装成了插件，原理跟上面官方所说一致。

（封装后的插件）

设置好KEY和消息数据以后，我们利用插件的自动化命令配置好需要ChatGPT的执行的命令。

这里的每个命令都有一个描述，我们可以用自然语言告诉AI，什么时候该调用我，AI会自己决定调用哪一个命令，当然光有命令还不行，我们还得让AI提供参数给我们。

在参数的配置上，我们也有一个“参数说明”，也就是用来告诉GPT，这个参数是什么意思，GPT会根据用户的信息，自己来归纳和推测参数内容。

使用ChatGPT查询订单

好了，做到这儿，GPT后端部分也已经配置好，现在我们模拟一个场景出来，例如我想让GPT帮我们查询订单数据，我们可以这样定义：

首先定义一条命令如下，告诉GPT，这个命令是用来按条件查询多个订单数据。

（定义命令）

再给命令定义查询订单需要用到的一些关键参数，有了这些信息，我们后面就可以实现查询条件，从而根据条件筛选数据。

（参数定义）

判断GPT返回的function_call.name是不是等于GetOrderData：

（判断function_call.name）

如果是，就把获得的参数用来筛选数据：

（筛选数据）

最后把获取到的数据返回给前端：

（数据返回前端）

最后我们在前端补充一个页面，用来接收并显示查询返回的数据表中的数据。

**

最终实现的效果：

（查询2023年6月的采购订单数据）

可以看到GPT准确的理解了我们的意图，并且调用了我们预设好的命令，还提供了我们需要的日期、订单类型等参数。

通过这个简单的例子，我们可以验证AI与活字格结合的可行性，那么我们除了查询数据，还能不能做点更复杂的事情呢？

使用ChatGPT显示订单内容

所以接着我又做了另一个尝试，让AI根据我的要求找到某个订单，并显示该订单内容

这个尝试，我加入了更多的参数，由日期、订单类型、负责人等，然后修改了逻辑，把命令放到前端页面来执行。

（前端命令设置）

来看看运行效果：

（打开2023年6月8日超哥采购Iphone的订单）

看来是完全没有压力的，这时候我们初步已经学会怎么运用GPT的能力，来为我们完成特定任务了，下面我将继续完成一个更复杂、更实用的尝试。

使用ChatGPT发送邮件

我想让系统理解这样一句话，并帮我执行。

我是乔布斯，请帮我找出2023年6月份马斯克经手采购iphone的订单数据，发送邮件给超哥，并写一段话礼貌的催促他快点审核。

我来帮大家理理，想要完成这个任务，我们需要做些？

▪ 让AI知道我是谁；

▪ 需要找出2023年6月1日到6月30日范围内，负责人为"马斯克"、订单类型为"采购订单"的数据；

▪ 将上面数据导出为Excel；

▪ 找到超哥的邮箱，并将上面的数据作为附件；

▪ 编写一段话作为邮箱正文；

▪ 寻找系统用户中一个叫“超哥”的人，并拿到邮箱地址；

▪ 将邮件发送出去并返回。

梳理清楚了，我们就开始做逻辑，同样配置好命令和参数的描述

然后利用报表模块，设计一个简单的报表，绑定订单数据库

（报表模块）

最后做一下导出Excel+发送邮件的命令

（命令执行过程设计）

好了，我们来试试效果，我给大家做了个带讲解的视频：

总结

ChatGPT与活字格的结合为软件设计带来了巨大的潜力，并给开发者带来了全新的思考和改变。AI的执行任务能力和自然语言交互使软件操作更加智能化和直观化。开发者将专注于与AI的对话和数据分析目标的设定，而无需担心底层的技术细节。我们期待ChatGPT和活字格技术的不断发展，推动低代码开发向智能开发的创新和突破，让我们迎接更加智能的软件时代。
44138851)：

总结

ChatGPT与活字格的结合为软件设计带来了巨大的潜力，并给开发者带来了全新的思考和改变。AI的执行任务能力和自然语言交互使软件操作更加智能化和直观化。开发者将专注于与AI的对话和数据分析目标的设定，而无需担心底层的技术细节。我们期待ChatGPT和活字格技术的不断发展，推动低代码开发向智能开发的创新和突破，让我们迎接更加智能的软件时代。