OpenAI Assistants-API简明教程

  OpenAI在11月6号的开发者大会上，除了公布了gpt4-v、gpt-4-turbo等新模型外，还有一个assistants-api，基于assistants-api开发者可以构建自己的AI助手，目前assistants-api有三类的工具可以用。首先就是之前大火的代码解释器(Code Interpreter)，这个在chatgpt-plus会员上线的时候大火了一把。其次就是文件检索(Retrieval)，利用Retrieval你可以在assistants中外挂自己的知识库。还有就是函数调用了，这个就不在多说了。assistants-api目前还处于beta版本，但从OpenAI的规划来看，后续应该是会支持DALLE3、gpt4-v甚至是plugin的，我们可以期待下。

  使用assistants-api和使用chat-api有啥区别？首先就是chat api只能使用模型的chat能力的，而且如果你之前使用过，就会发现chat对话历史都需要自行维护，很不方便。而assistants-api除了chat的能力外，它还可以调用强大的解释器(Code Interpreter)，还可以调用外部函数(Functions Calling)， 而且还可以外挂自己的知识库(Retrieval)，主要你还不需要维护对话历史，只需要关注对话本身即可。 如果后续assistants-api支持了plugin、DALLE3和gpt4-v之后，你完全可以认为它就是一个api版本的chatGPT-Plus，当然功能可以可以完全定制，相信看到这里你肯定也蠢蠢欲动，想定制自己的AI助手了。

  在正式开始开发之前，我们先来了解下Assistants-API的几个核心对象。

对象	作用
Assistant	助手，可以使用指定模型根据的一个实体，如果把助手比作某个人的化，这里就是指具备某些能力的一个具体的人
Thread	没有合适的翻译，这里就不翻译了，可以认为这个是和助手的沟通的上下文对话信息， 就好比你和某宝客服沟通，整个对话就可以认为是一个Thread
Run	也没有合适的翻译，可以认为是你向助手发起一次对话，整个对话响应的过程及工程中的状态变化，就可以当成一个run，一个run里不仅仅可以有模型的回复，还可以有函数调用、代码解释器调用、文件召回……
Run Step	Run各个步骤的详情，可以看到整个助手的运行过程，主要是方便问题排查和助手优化

  知道了这些概念，我们就可以着手实现自己的Assistant了，为了能更好理解整个Assistant的开发流程，我们还是用一个具体的示例来完成整个功能的开发。假设我们需要开发一个花店财务助手，它的主要功能是根据我们每天卖出去的花，统计成本和收入，最后将收入和成本保存到数据库里。

  这里我提前准备了一个excel表格(flower_prices.xlsx)，来记录所有花的成本和售价（虚构数据、不代表真实价格）。

  下面正式开始我们花店财务助手的开发和使用。

创建助手

  这里首先需要将我们的flower_prices.csv转成Assistant能使用的file，使用如下代码即可：

python
复制代码
from openai import OpenAI
client = OpenAI(base_url='https://thales.xindoo.xyz/openai/v1/')
# 将文件上传至openAI保存
file = client.files.create(
  file=open("flower_prices.csv", "rb"),
  purpose='assistants'
)

  接下来我们定义保存账单信息的function，具体可以参考下我上篇博客OpenAI的多函数调用

python
复制代码
# 定义保存账单的方法
def save_bill(totalCost, totalIncome):
    '''保存总成本和总的收入'''
    print(totalCost, totalIncome)
    return "success"

function = {
        "type": "function",
        "function": {
            "name": "save_bill",
            "description": "保存总成本和总的收入",
            "parameters": {
                "type": "object",
                "properties": {
                    "totalCost": {
                        "type": "number",
                        "description": "总成本",
                    },
                    "totalIncome": {
                        "type": "number",
                        "description": "总收入",
                    }
                },
                "required": ["totalCost", "totalIncome"],
            },
        }
    }
available_functions = { "save_bill": save_bill}  

创建助手(assistant)

  这里需要调用API将所有的开关、文件和函数调用信息都传给OpenAI，创建一个属于我们自己的assistant。

python
复制代码
# 创建助手，将code_interpreter,retrieval,function都开启
assistant = client.beta.assistants.create(
  name="花店财务助手",
  description="按照每种花的售出量，统计成本和收入，计算出总利润",
  model="gpt-4-1106-preview",
  tools=[{"type": "code_interpreter"}, {"type": "retrieval"}, function],
  file_ids=[file.id]
)

创建Thread

  如上文讲到Thread是用户和Assistant对话的上下文信息，用户和Assistant初次对话肯定是需要创建上下文的，代码和很简单，如下：

python
复制代码
# 创建对话Thread
thread = client.beta.threads.create(
  messages=[
    {
      "role": "user",
      "content": "我卖出去了红玫瑰3支、郁金香2支、百合6支，计算下总成本和总收入，给出具体的计算过程"
    }
  ]
)

  这里看到Thead并没有和Assistant关联到一起，猜测这里只是在本地代码里创建了一个Thread对象，实际上在OpenAI那边还没有任何操作，这个可能是OpenAI利用懒加载来减轻对服务端的压力。

创建Run

python
复制代码
# 创建Run
run = client.beta.threads.runs.create(
  thread_id=thread.id,
  assistant_id=assistant.id
)

  创建Run的方法也很简单，可以看到只需要传thread_id和assistant_id两个参数即可，而这两个id都是字符串，尤其是assistant_id 你都是可以在OpenAI网站后台看到的，相信这里大家已经猜到了，Assistant和Thread不用每次都创建新的。

python
复制代码
# 从Run中获取结果
run = client.beta.threads.runs.retrieve(
  thread_id=thread.id,
  run_id=run.id
)

获取run的状态

  Run创建好之后，需要让OpenAI运行起来，这里就需要调用Retrieve方法，来获取Run的运行结果，这里如果你打印出run的话，你可能会看到类似的信息。

txt
复制代码
Run(id='run_A9phobcoIOG3euibElksTu8a', assistant_id='asst_hW7NrPZP8q8KvE9oiuceg5mM', cancelled_at=None, completed_at=None, created_at=1700400089, expires_at=1700400689, failed_at=None, file_ids=['file-uhMIBtm4BPXlJlY1UzGIPlGn'], instructions=None, last_error=None, metadata={}, model='gpt-4-1106-preview', object='thread.run', required_action=None, started_at=1700400089, status='in_progress', thread_id='thread_nvsTyK6DQdmKoVxOseSSKZF4', tools=[ToolAssistantToolsCode(type='code_interpreter'), ToolAssistantToolsRetrieval(type='retrieval'), ToolAssistantToolsFunction(function=FunctionDefinition(name='save_bill', parameters={'type': 'object', 'properties': {'totalCost': {'type': 'number', 'description': '总成本'}, 'totalIncome': {'type': 'number', 'description': '总收入'}}, 'required': ['totalCost', 'totalIncome']}, description='保存总成本和总的收入'), type='function')])

  这里获取到的是run的最新状态，有可能run还没有执行完，所以可能需要一直循环调取，等待run的状态发生变化。Run有以下的一些状态。

具体的状态和含义如下表：

状态	定义
queued	当Runs首次创建或者调用了retrive获取状态后，就会变成queued等待运行。正常情况下，很快就会变成in_progress状态。
in_progress	说明run正在执行中，这时候可以调用run step来查看具体的执行过程
completed	执行完成，可以获取Assistant返回的消息了，也可以继续想Assistant提问了
requires_action	如果Assistant需要执行函数调用，就会转到这个状态，然后你必须按给定的参数调用指定的方法，之后run才可以继续运行
expired	当没有在expires_at之前提交函数调用输出，run将会过期。另外，如果在expires_at之前没获取输出，run也会变成expired状态
cancelling	当你调用client.beta.threads.runs.cancel(run_id=run.id, thread_id=thread.id)方法后，run就会变成cancelling，取消成功后就会变成callcelled状态
cancelled	Run已成功取消。
failed	运行失败，你可以通过查看Run中的last_error对象来查看失败的原因。

  这里需要特别注意requires_action状态，这个是需要要求代码本地去执行一些函数的，执行完成后将结果返回给Assistant，之后run才能继续运行下去。

run触发函数调用

  如果run.status是requires_action，我们需要调用本地工具，当然现在只有函数调用，然后将函数调用的结果返给Assistant，方便它继续执行，代码如下：

python
复制代码
if run.status == 'requires_action':
    tool_outputs=[]
    # 调用并保存所有函数调用的结果
    for call in run.required_action.submit_tool_outputs.tool_calls:
        if call.type != "function":
            continue
        # 获取真实函数
        function = available_functions[call.function.name]
        output = {
            "tool_call_id": call.id,
            "output": function(**call.function.arguments),
        }
        tool_outputs.append(output)
    # 将函数调用的结果回传给Assistant
    run = client.beta.threads.runs.submit_tool_outputs(
        thread_id=thread.id,
        run_id=run.id,
        tool_outputs=tool_outputs
    )

获取Assistant的消息

  接下来我只需要轮询retrive接口，获取run的最新状态，如果状态是completed，就可以读取Assistant的返回结果了。

python
复制代码
# 获取run的最新状态。 
run = client.beta.threads.runs.retrieve(
  thread_id=thread.id,
  run_id=run.id
)
if run.status == 'completed':
    messages = client.beta.threads.messages.list(
      thread_id=thread.id
    )
    print(messages)

  这里注意下messages是倒序排列的，所以最新的消息是在最上面的。

发起新信息

  上面的流程是从Assistant创建到发起首次消息的流程，如果我们需要紧接着之前的流程继续对话，只需要在thread中添加新的消息，然后然后创建并执行run即可，代码如下：

python
复制代码
# 添加新消息
message = client.beta.threads.messages.create(
  thread_id=thread.id,
  role="user",
  content="另外还有2支向日葵，补充下这份账单"
)
# 创建run
run = client.beta.threads.runs.create(
  thread_id=thread.id,
  assistant_id=assistant.id
)
# 获取执行结果
run = client.beta.threads.runs.retrieve(
  thread_id=thread.id,
  run_id=run.id
)

结语

  以上就是Assistants-API整体的开发流程，了解了这些流程后，大家可以很容易构建出像ChatGPT-Plus的私人助理。当然Assistants-API目前还是在beta阶段，有很多功能不完善，比如不支持流式返回、不支持图片生成、不支持插件调用……，甚至run的状态还需要轮询来获取……。另外我在写本文demo的时候，发现Retrivel的文本内容召回成功率非常低，导致账单计算成功率很低（也可能是我给的文本格式的问题）。还有就是code_interpreter运行成功率也很低，经常出现运行不起来的情况，难怪还是beta版本，只能期待后续官方能优化下。

  另外有些像assistant、thread、run、run step的查看和管理的接口我这里没有讲到，具体大家可自行查阅下官网文档。 如果大家需要试用Assistants-API的话，也可以先到官方platform.openai.com/assistants 先行体验，试用完成后可以再将页面配置完整翻译成代码，然后再嵌入到自己的应用中。

完整的代码我已上传至Github上github.com/xindoo/open…，后续OpenAI其他API的使用示例我也会上传到这个仓库，有兴趣可以关注下。