怎么让AI大模型连接外部世界，扩展其需要的能力，也可以让大模型和系统可以更好地集成，增强确定性？这篇文章里，作者就拆解了GPT连接外部世界的三种方式，不妨来看一下。

上文简单介绍了RAG的基本原理，RAG可以通过扩展大模型的知识库，让AI大模型变得更加“懂”我们。

今天我们来一起学习一下如何让AI大模型连接外部世界。

一、为什么要让大模型连接外部世界？

我们在上文中已经列举了大模型的局限性：没有实时性、无法获取私有知识等。

在此基础上，我们可以把大模型的局限性细化成以下几条：

• 大模型获取不到实时信息，完全不清楚所谓的新闻热点，这一点很不像人类。
• 大模型掌握的知识是有限的，遇到不懂的问题，就会开始胡编乱造，令人头痛。
• 大模型还没掌握足够的推理能力（至少目前还不够），在处理较为复杂的问题时，准确性是存疑的，比如解决复杂的数学问题等。
• 大模型无法获取企业的私有文档（RAG可以一定程度上解决该问题）。
• 大模型无法获取外部系统数据库中的业务数据，比如地图相关信息、张三在某平台的消费记录等。

我们会发现，不管大模型再怎么训练，这些局限性依然会存在，并不会随着大模型的继续训练而解决。

把大模型当人看的话，再聪明的人也不可能实时接收消化新知识、不可能拿到所有的私有数据、也就不可能独自解决所有的问题，那么怎么才能让大模型变得可靠又强大呢？

答案就是：找可靠的人一起协作，解决各种复杂问题。

大模型将复杂任务拆解成一个个子任务，遇到搞不定的子任务（或者有更可靠的小伙伴）时，就把问题抛给更专业的小伙伴，小伙伴把处理结果反馈给大模型，最终所有子任务都得到了更好的解决，大模型再根据子任务的处理结果，生成更加可靠的答案。

比如，大模型接收到一个任务“明天中午的天气怎么样？如果天气好的话，想去国贸附近的麻六记吃饭，不知道人多不多”，首先把任务拆解为如下子任务：

1. 查询明天中午的天气。
2. 需要查询国贸的位置。
3. 再查询国贸附近麻六记的具体位置，确认该饭店是否存在。
4. 查询麻六记的商家信息，方便打电话询问或预约。

大模型看了看自己团队里的人（接口），开始分配任务：

1. 任务1交给天气接口，得到详细的天气信息。
2. 任务2交给地图接口，得到国贸的位置。
3. 再拿着任务2的结果继续让地图接口完成任务3，找到国贸附近的麻六记。
4. 最后再调用大众点评接口完成任务4，查询麻六记的商家信息。

一切搞定，交作业：“明天中午是个大晴天，这么好的天气当然要出去耍啦。国贸附近的麻六记具体位置在xxxx，评分4.8分，一定非常美味，商家电话xxxx，您可以联系商家预约位置。”

是不是靠谱多了？这个协作的模式其实就有些智能体Agent的意思了，我们下篇文章再细说Agent。

总之，连接外部世界后的大模型，可以扩展各种需要的能力，比较靠谱的完成各种复杂任务，也让大模型和系统可以更好的集成，增强确定性。

接下来，我们来介绍一下GPT连接外部世界的三种方式。

二、GPTs：自定义版本的ChatGPT

GPTs是一个自定义版本的ChatGPT，允许用户直接在界面上调整ChatGPT的功能以适应特定任务或者指令。

除了基本的GPT配置之外，GPTs还提供了三种能力：

1. 可以直接上传私有知识库文档，自动实现RAG。
2. 内置了几个通用能力（capability）：允许网络浏览（遇到不懂的问题会自动搜索之后再生成内容）、允许使用DALL-E生成图片（比如可以让它根据输入生成一张图片）、代码解释器（可以使用python的大部分功能）。
3. 通过配置Actions来执行外部的动作，actions本质上就是一些我们可以执行的工具，类似于function calling，可以通过接口定义去调用其他应用的能力，这就相当于打通了GPT和其他应用的桥梁，可以互相协作，只需要配置接口定义信息即可。

看起来，GPTs既强大又方便，但是它却又很多的限制：

• 只有ChatGPT Plus用户才能访问。
• 界面不可定制，不能集成进自己的产品。
• RAG功能，最多只能传10个文件。

也就是说，GPTs相当于自己用提示词和Actions扩展出一个定制功能的ChatGPT，但始终还是个ChatGPT。

GPTs虽然无法集成到自己的系统中，但比较适合作为功能演示的demo，和用户解释清楚系统的能力边界。

三、Assistant API：将GPT集成到系统中的开发者接口

OpenAI的Assistant API是一个允许开发者在应用中集成GPT功能的接口。

简单来说，GPTs是界面化的操作，Assistant API则是针对开发者提供的接口。

目前，Asssistant API支持三种工具：文件RAG、代码解释器和Function Calling。

Asssistant API有如下特点：

• 可以把GPT的功能集成到自己的系统中。
• 可以传比GPTs更多的文件。
• 国内无法访问，只能服务国外用户（国产大模型或开源大模型也会陆续开放自己的Assistant API）。
• 数据保密需求不高时才适合使用。
• 收费，不便宜。

如果想扩展chatgpt的能力，让它可以指挥其他的软件去工作，那么就选择GPTs。

如果想让自己的软件获得ChatGPT的能力，得到AI加持，那么就适合Assistant API。

四、Function Calling机制：AI大模型连接外部世界的通道

Function Calling指的是在模型中集成外部功能或API的调用能力，可以看作是大模型连接外部世界的通道。

这意味着大模型可以在完成任务的过程中，调用外部函数或服务，以获取额外的数据或执行特定的任务。

例如，大模型可以调用天气API来获取最新的天气信息，或者调用翻译服务来提供多语言支持。通过这种方式，大模型可以更加灵活地与外部系统进行交互，实现更丰富的功能和更高的实用性。

Function Calling通常涉及到插件（Plugins）、OpenAI的Actions或各大模型平台提供的工具集（tools）等技术的使用。这些工具和技术可以帮助开发者更方便地实现Function Calling，提高模型的扩展性和可用性。

相比GPTs和Assistant API，Function Calling的核心优势：

• 可以让大模型与其它业务系统的集成更加灵活和方便。
• 可以针对业务需求做极致调优。

Function Calling的限制：

• 目前只有部分大模型支持Function Calling，但一定会陆续开放，没有Function Calling的大模型无法和其他系统连接，几乎没有可用性。
• 接口定义会消耗额外的token，费钱。
• 即便使用了Function Calling，仍然要注意结果永远不是永远正确的，产品经理需要建立在这个假设基础上，去推敲功能的可行性。
• 需要评估Bad Case的影响范围，并做好系统兼容和用户预期管理。

Function Calling机制的重要意义

• 理论上来说，通过Function Calling，任何功能都可以和大模型结合，提供更好的用户体验。
• Function Calling机制是AI Agent化的重要组成部分。
• Function Calling给大模型的应用提供了无数的可能性，长期来看，落地过程中的各种幻觉问题一定会得到优化和解决，路途只会越来越平坦，前方只会越来越光明。

五、总结

本文主要介绍了AI大模型连接外部世界的重大意义，下篇文章，我会介绍本文示例中提到的AI Agent（智能体），敬请期待。