API 就像是一个信差，它接受一端的请求，告诉那边的系统您想要做的事情，然后把返回的信息发回给您。
以搜索“奥本海默”为例，在网址 https://www.themoviedb.org/search?query=奥本海默 中，域名 www.themoviedb.org 用于定位网站，路径 /search 表示搜索页面，query 是查询参数，其值为“奥本海默”。
对于获取数据的操作，如在 TMDb 中，有些数据虽然不展现，但为了支持筛选会保留。像“backdrop_path”是不完整的图片地址，TMDb 的官方 API 文档里有如何构造完整图片 URL 的说明。对于一些不熟悉的 API，需要在 Prompt 里告知如何使用。
Action 的工作流大致为：先思考要做什么样的 GPT 以及是否需要外部数据；然后寻找所需外部数据的 API 文档，或自己开发 API，寻找可用的 Action；最后基于 API 文档编写 Action 里的 Schema 和 Prompt 来处理取回的信息。
如果对 Action 感兴趣，可以系统学习 API 相关知识、寻找可用的 API 练习、发掘 GPT Action 更多潜力。
[title]像高手一样编写GPT：从基础到实践，学习使用GPT的Action[heading1]API就像是一个信差，它接受一端的请求，告诉那边的系统你想要做的事情，然后把返回的信息发回给你。这个页面大家应该一眼就能看明白，这是一个搜索结果页，搜索的关键词是“奥本海默”，返回了两个结果，每个结果的信息都有海报、名称、上映时间、描述。这个页面的网址是这样的：https://www.themoviedb.org/search?query=奥本海默域名(www.themoviedb.org)：域名指定了网站的位置，类似地图上的地址。在这个URL中，www.themoviedb.org是themoviedb.org网站的域名，用于定位和访问网站。为了方便理解，我把URL和Schema里的红框部分做一个对应关系，你会发现他们不一样，这是因为一个是面向普通用户，一个是面向开发者的。就和ChatGPT网页版和ChatGPT API的关系差不多。路径(/search):路径指定了在网站上特定页面的位置。在这个例子中，路径是/search，通常表示网站的搜索页面或功能。query，就是一个“查询参数”，其中query是参数的名称，奥本海默是分配给该参数的值。这个网址完整的意思是：访问themoviedb.org网站上的搜索功能，执行一个搜索“奥本海默”关键词的操作——我要找一个名叫“奥本海默”的电影。有些同学在写提示词的时候会用这种等号或者冒号的方式，其实都是一种变量的形式，请记住这个感觉，后面我们会继续用到这个概念。也就是说：刚刚TMDB的Action实际上就是访问了下面的网址，提供了query和language参数，然后发起了请求，获取数据，如下：但虽然我们大致理解了GPT发送请求是怎么回事，你可能有个问题一直在想：我要如何才能知道去哪请求，查询参数怎么写呢？寻找API文档
[title]像高手一样编写GPT：从基础到实践，学习使用GPT的Action[heading1]API就像是一个信差，它接受一端的请求，告诉那边的系统你想要做的事情，然后把返回的信息发回给你。总结一下：今天我们的讨论起始于人工智能中的“Agent & Action”，然后转向OpenAI对智能体（Agent）能力模型的定义。接着，我们深入探讨了ChatGPT中的Action（搜索、画图、代码解释器），以及GPT系列中的不同Action。使用了一个容易上手的Action Webpilot，用于访问网页获取实时的文本内容。最后，我们初步了解了API的概念，以及GPT如何通过Action与外部数据进行交互和使用。如果对Action很感兴趣，你可以从以下方向开始继续前进：系统的了解和学习API相关的知识去网上寻找可以用的API来练习发掘GPT Action更多的潜力以上是我认为相对容易入门的知识框架，但是我们都知道：你不可能只在一次分享/一篇文章中就获得完整的Action相关知识学习虽然没有终点，但有阶段性目标。大家可以通过后续看到的不同的教程和资料，识别这些知识之间的共性和逻辑关系，然后继续深化对这个主题的理解，构建你自己的知识体系。如果你对GPT开发有兴趣，想要认识更多玩GPT的朋友，欢迎加入GPTGeeker的星球：
[title]像高手一样编写GPT：从基础到实践，学习使用GPT的Action[heading1]API就像是一个信差，它接受一端的请求，告诉那边的系统你想要做的事情，然后把返回的信息发回给你。这是第一个结果的数据，对应了搜索结果页的内容，你会发现展现的内容远比数据维度要少——这是因为有些数据虽然不展现，但为了支持筛选所保留的。注意看，这里出现了‘backdrop_path’，记得原先Prompt是怎么写的吗：取出backdrop_path这个数据作为主视觉图——所以这里是一个图片地址()，但它是不完整的，只有后半部分。就像是一个分成两块的藏宝图，两部分拼起来才是完整的图片地址。TMDb的官方API文档（https://developer.themoviedb.org/docs/image-basics）里就写了如何构造完整的图片URL：但是因为我们的Baby GPT已经是一个成熟的GPT了。实际上，它已经有TMDb的训练数据了（相当于裤兜里已经有半拉地图了）——所以即使你不说，它也会自己完成构建完整的图片地址。对于一些它不熟悉的API，还是需要在Prompt里告诉他要怎样使用。比如剩下的数据也可以用类似的方式让ChatGPT来处理，比如让他列出：上映时间'release_date'、评分'vote_average'、评分人数'vote_count'：它就能很+我们最后提炼一下Action的工作流：首先，想一下你想要做一个什么样的GPT，以及是否需要外部数据——这两个谁先谁后不重要；然后，去你需要的外部数据寻找API文档，或者基于你的需求，自己开发一个API，寻找市面上可以直接用的Action ；最后，基于API文档，编写Action里的Schema，和Prompt（如何处理取回来的信息）写在最后