Prompt Engineering GPT Assistants API using RAG

Estudio de caso de ingeniería indicada de Openai

Declaración del problema - 1: Creación de un asistente

Descripción:

Esta sección del proyecto demuestra la creación de un asistente de OpenAI que utiliza el modelo Turbo GPT-3.5 con un enfoque en la generación abstracta a partir de trabajos de investigación. El asistente está diseñado para leer trabajos de investigación y proporcionar resúmenes basados ​​en longitudes definidas por el usuario. El estudio de caso incluye cargar un trabajo de investigación, interactuar con el asistente para obtener un resumen y luego modificar la longitud y el tono del resumen según la entrada del usuario.

Instrucciones para su uso:

1. Reemplace ENTER API-KEY en el script con su tecla API OpenAI real.
2. Establezca la variable file_path en la ruta del documento de investigación que desea cargar.
3. Ejecute el script para crear el asistente, cargar el trabajo de investigación e interactuar con el asistente.

Declaración del problema - 2: aviso de disparo cero

Descripción:

Esta sección explora el uso de la API de finalización de chat de Openai para generar respuestas basadas en contextos proporcionados. Demuestra cómo el asistente puede responder preguntas sobre las diferencias entre GPT y BERT utilizando contextos predefinidos y un mensaje de usuario.

Instrucciones para su uso:

1. Reemplace 'API_KEY' en el script con su tecla API OpenAI real.
2. Ejecute el script para obtener una respuesta a la pregunta predefinida sobre las diferencias entre GPT y Bert.

Declaración del problema - 2: Pocos aprendizaje de disparos

Descripción:

Esta parte del estudio de caso muestra la aplicación de aprendizaje de pocos disparos con la API de finalización de chat de Operai. Responde a una pregunta del usuario sobre las diferencias entre LSTM y Bert en función de un contexto predefinido que contiene información sobre varios modelos.

Instrucciones para su uso:

1. Reemplace 'API_KEY' en el script con su tecla API OpenAI real.
2. Ejecute el script para generar una respuesta a la pregunta del usuario sobre las diferencias entre LSTM y BERT.

Prerrequisitos:

• Clave de API de OpenAI
• Python Environment con bibliotecas requeridas (OpenAI)

Nota:

• Asegúrese de tener los permisos necesarios para usar la API de OpenAI.
• Los scripts proporcionan comentarios claros para guiar a través del código.
• Personalice los scripts según sea necesario para sus casos de uso específicos.

¡Siéntase libre de explorar, experimentar y contribuir a este rápido estudio de caso de ingeniería!