API是什么意思

这种数据格式叫做JSON，你只需要知道这种写法可以让程序很方便的读写就好，看起来有点复杂。——不过你仔细看一下，就会发现这个数据其实和脑图没有太大区别。还记得之前提到的键和值么？可以看到这里面返回了两条结果，是不是有点眼熟？没错，这个API返回的数据，应该和搜索结果页是一样的。只不过网页拿到了这些数据，做了样式的美化展示。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+

在这个例子里，GPT就通过预先配置的Action里的TMDB API，获取了电影相关的专有信息。当我问“奥本海默”这部电影讲了什么之后：GPT识别到了我的意图，按照Prompt进行第一个任务。使用Action去The Movie DB寻找相关数据，从数据中取出backdrop_path这个数据作为主视觉图，然后处理剧情数据、生成背景知识。最后使用webpilot搜索评价，返回整理后的数据，也就是最终你看到的结果：接下来，我们继续深入GPT Action的配置项：配置一个Action，你需要：Schema：（下图）通过导入或者直接填写，相当于给Baby GPT的一个?操作手册，告诉它可以去哪，干什么，需要准备什么。这个示例的版本很简单，真正的会更复杂一些。Available actions：（上图）可用行动，在你输入Schema后会自动生成，展示大纲中可以使用的行动，对应operationId，get，path——加入操作手册是本魔法书，Available actions就是可以用的魔法Authentication：（上图）认证，可以理解成身份证，没带证件不能请求数据Privacy policy：（上图）隐私政策，因为Baby GPT会携带用户的需求访问别的服务器，所以需要一个隐私声明，这个一般在网站底部都可以找到，把网址填进去就行。然后来看Schema的结构：是不是有点懵？

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：