ChatGPT的知識庫是用截至2021年9月的資料訓練的，但透過使用這些插件，ChatGPT現在能夠在網路上搜尋最新的答案，這樣就消除了僅依賴其知識庫的限制。
最近，OpenAI發布了ChatGPT的新功能：外掛系統。 ChatGPT現在可以進行功能擴展並執行新的任務，例如：
- 檢索即時資訊：例如，體育比分、股票價格、最新的新聞等。
- 檢索知識庫資訊：例如，公司文件、個人筆記等。
- 代表使用者執行操作：例如，預訂航班、訂購食物等。
ChatGPT的知識庫是用截至2021年9月的資料訓練的，但透過使用這些插件，ChatGPT現在能夠在網路上搜尋最新的答案，這樣就消除了僅依賴其知識庫的限制。
建立自訂外掛
OpenAI也能讓任何開發者都能創建自己的外掛程式。儘管目前開發者需要加入等待名單（https://openai.com/waitlist/plugins），但建立插件的檔案已經可以使用。
可以在這個網頁找到更多關於外掛程式流程的資訊（https://platform.openai.com/docs/plugins/introduction）。
在這個網頁可以找到範例程式碼（https://platform.openai.com/docs/plugins/examples）。
文件只顯示了第三方API和ChatGPT之間的整合是如何進行的。接下來本文將探討這種整合的內部運作細節：
「大語言模型在沒有接受過相關訓練的情況下，是如何執行操作的？」
#LangChain簡介
LangChain是用於創建聊天機器人、生成性問題回答、總結等的框架
LangChain是Harrison Chase（hwchase17）在2022年開發的一個工具，可用於協助開發者將第三方應用程式整合到大型語言模型（LLM）中。
借用如下所示的範例來解釋它的工作模式：
import os
os.environ["SERPAPI_API_KEY"] = ""
os. environ["OPENAI_API_KEY"] = ""
from langchain.agents import load_tools
from langchain.agents import initialize_agentgent#from#imfrom langchain.agents import initialize_agentgent#from#importin#.首先，載入要用來控制代理人的語言模型
llm = OpenAI(temperature=0)
# 接下來，載入一些工具來使用。請注意，llm-math工具使用LLM，因此需要把它傳進去
tools = load_tools(["serpapi", "llm-math"], llm=llm)
# 最後，用工具、語言模型和想使用的代理類型來初始化代理
agent = initialize_agent(tools, llm, agent="zero-shot-react-description", verbose=True)
## 現在進行測試
agent.run("Who is Olivia Wilde's boyfriend? What is his current age raised to the 0.23 power?")
從這個範例可以看到三個主要部分：
LLM：LLM是LangChain的一個核心元件，它幫助代理人理解自然語言。在這個範例中，使用了OpenAI的預設模型。根據原始碼（https://github.com/hwchase17/langchain/blob/master/langchain/llms/openai.py#L133），預設模型是text-davinci-003。
代理程式：代理程式使用LLM來決定採取哪些行動，以何種順序進行。一個行動可以是使用一個工具並觀察其輸出，也可以是向使用者傳回一個回應。 -
- 在這裡使用的是0-shot-react-description。從它的文件中可以了解到，"這個代理使用ReAct框架，完全根據工具的描述來決定使用哪個工具"，將在後面使用這些資訊。
工具：代理程式可以用來與世界互動的功能。在這個例子中，使用了兩個工具：
- serpapi：一個圍繞https://serpapi.com/ API的包裝器。它用於瀏覽網頁。
-
llm-math：讓代理人能夠在提示中回答與數學有關的問題，如 "他目前的年齡的0.23次方是多少？" 。
當執行該腳本時，代理會做幾件事，例如瀏覽誰是Olivia Wilde的男朋友、提取他的名字、詢問Harry Style的年齡、執行搜尋並使用llm-math工具計算29^0.23，即2.16。
LangChain的最大優點是它不依賴單一的提供者，如文件（https://python.langchain.com/en/latest/modules/llms/ integrations.html）中所介紹的。
為什麼LangChain能為ChatGPT外掛系統提供強大的功能？
3月21日，OpenAI最強合作夥伴微軟發布了MM-REACT，揭示了ChatGPT的多模態推理和行動（https://github.com/microsoft/MM-REACT）。
當查看這個「系統範式」的功能時，可以看到每個例子都涉及語言模型和一些外部應用程式之間的互動。
透過查看所提供的範例程式碼（https://github.com/microsoft/MM-REACT/blob/main/sample.py），我們可以看到，de model tools互動的實作是用LangChain做的。 README.md檔案（https://github.com/microsoft/MM-REACT/blob/main/README.md）也指出「MM-REACT的程式碼是基於langchain的」。
結合這些證據，再加上ChatGPT插件文件中提到「插件描述、API請求和API回應都被插入到與ChatGPT的對話中。」可以假設插件系統添加了不同的插件作為代理的工具，在本例中就是ChatGPT。
也有可能是OpenAI把ChatGPT變成了一個類型為zero-shot-react-description的代理來支援這些外掛程式（也就是我們在之前的範例中看到的類型）。因為API的描述被插入到對話中，這符合代理的預期，可以從下面的文件摘錄中看到。
LangChain
結論
#雖然外掛系統尚未向使用者開放，但可以利用已發佈的文件和MM-REACT來體驗ChatGPT插件系統的強大功能。
以上是ChatGPT插件使用攻略，解鎖網路新體驗的詳細內容。更多資訊請關注PHP中文網其他相關文章！
