作者：京东零售 牛晓光
一、OpenAI知识学习方式根据现有调研和实践，由OpenAI提供的ChatGPT/GPT-4模型和CodeX模型能够很好的理解和生成业界大多数编程语言的逻辑和代码，其中尤其擅长Python、JavaScript、TypeScript、Ruby、Go、C# 和 C++等语言。
(相关资料图)
然而在实际应用中，我们经常会在编码时使用到一些私有框架、包、协议和DSL等。由于相关模型没有学习最新网络数据，且这些私有数据通常也没有发布在公开网络上，OpenAI无法根据这些私有信息生成对应代码。
OpenAI提供了几种方式，让OpenAI模型学习私有知识：
1. 微调模型OpenAI支持基于现有的基础模型，通过提供“prompt - completion”训练数据生成私有的自定义模型。
使用方法在执行微调工作时，需要执行下列步骤：
1. 准备训练数据：数据需包含prompt/completion，格式支持CSV, TSV, XLSX, JSON等。
格式化训练集：openai tools fine_tunes.prepare_data -f LOCAL_FILE：上一步中准备好的训练数据。2. 训练模型微调：openai api fine_tunes.create -t
LOCAL_FILE：上一步中准备好的训练集。BASE_MODULE：基础模型的名称，可选的模型包括ada、babbage、curie、davinci等。MODEL_SUFFIX：模型名称后缀。3. 使用自定义模型
使用成本在微调模型方式中，除了使用自定义模型进行推理时所需支付的费用外，训练模型时所消耗的Tokens也会对应收取费用。根据不同的基础模型，费用如下：
结论使用微调模型进行私有知识学习，依赖于大量的训练数据，训练数据越多，微调效果越好。此方法适用于拥有大量数据积累的场景。
2. 聊天补全GPT模型接收对话形式的输入，而对话按照角色进行整理。对话数据的开始包含系统角色，该消息提供模型的初始说明。可以在系统角色中提供各种信息，如：
助手的简要说明
助手的个性特征
助手需要遵循的指令或规则
模型所需的数据或信息
我们可以在聊天中，通过自定义系统角色为模型提供执行用户指令所必要的私有信息。
使用方法可以在用户提交的数据前，追加对私有知识的说明内容。
openai.createChatCompletion({ model: "gpt-3.5-turbo", messages: [ { role: "system", content: "你是一款智能聊天机器人，帮助用户回答有关内容管理系统低代码引擎CCMS的技术问题。智能根据下面的上下文回答问题，如果不确定答案，可以说“我不知道”。\n\n" + "上下文：\n" + "- CCMS通过可视化配置方式生成中后台管理系统页面，其通过JSON数据格式描述页面信息，并在运行时渲染页面。\n" + "- CCMS支持普通列表、筛选列表、新增表单、编辑表单、详情展示等多种页面类型。\n" + "- CCMS可以配置页面信息、接口定义、逻辑判断、数据绑定和页面跳转等交互逻辑。" }, { role: "user", content: "CCMS是什么？" } ]}).then((response) => response.data.choices[0].message.content);除了用户所提交的内容外，系统角色所提交的关于私有知识的说明内容，也会按照Tokens消耗量进行计费。
结论使用聊天补全进行私有知识学习，依赖于系统角色的信息输入，且此部分数据的Tokens消耗会随每次用户请求而重复计算。
此方法适用于私有知识清晰准确，且内容量较少的场景。
二、私有知识学习实践对于私有框架、包、协议、DSL等，通常具备比较完善的使用文档，而较少拥有海量的用户使用数据，所以在当前场景下，倾向于使用聊天补全的方式让GPT学习私有知识。
而在此基础上，如何为系统角色提供少量而精确的知识信息，则是在保障用户使用情况下，节省使用成本的重要方式。
3. 检索-提问解决方案我们可以在调用OpenAI提供的Chat服务前，使用用户所提交的信息对私有知识进行检索，筛选出最相关的信息，再进行Chat请求，检索Tokens消耗。
而OpenAI所提供的嵌入（Embedding）服务则可以解决检索阶段的工作。
使用方法1. 准备搜索数据（一次性）
收集：准备完善的使用文档。如：https://jd-orion.github.io/docs
分块：将文档拆分为简短的、大部分是独立的部分，这通常是文档中的页面或章节。
嵌入：为每一个分块分别调用OpenAI API生成Embedding。
await openai.createEmbedding({ model: "text-embedding-ada-002", input: fs.readFileSync("./document.md", "utf-8").toString(),}).then((response) => response.data.data[0].embedding);2. 检索（每次查询一次）
为用户的提问，调用OpenAI API生成Embedding。（同1.3步骤）
使用提问Embedding，根据与提问的相关性对私有知识的分块Embedding进行排名。
const fs = require("fs");const { parse } = require("csv-parse/sync");const distance = require( "compute-cosine-distance" );function (input: string, topN: number) { const knowledge: { text: string, embedding: string, d?: number }[] = parse(fs.readFileSync("./knowledge.csv").toString()); for (const row of knowledge) { row.d = distance(JSON.parse(row.embedding), input) } knowledge.sort((a, b) => a.d - b.d); return knowledge.slice(0, topN).map((row) => row.text));}3. 提问（每次查询一次）
给请求的系统角色插入与问题最相关的信息async function (knowledge: string[], input: string) { const response = await openai.createChatCompletion({ model: "gpt-3.5-turbo", messages: [ { role: "system", content: "你是一款智能聊天机器人，帮助用户回答有关内容管理系 统低代码引擎CCMS的技术问题。\n\n" + knowledge.join("\n") }, { role: "user", content: input } ] }).then((response) => response.data.choices[0].message.content); return response}使用此方法，需要一次性的支付用于执行Embedding的费用。
三、低代码自然语言搭建案例解决了让GPT学习私有知识的问题后，就可以开始使用GPT进行私有框架、库、协议和DSL相关代码的生成了。
本文以低代码自然语言搭建为例，帮助用户使用自然语言对所需搭建或修改的页面进行描述，进而使用GPT对描述页面的配置文件进行修改，并根据返回的内容为用户提供实时预览服务。
使用方法OpenAI调用组件
const { Configuration, OpenAIApi } = require("openai");const openai = new OpenAIApi(new Configuration({ /** OpenAI 配置 */ }));const distance = require("compute-cosine-distance");const knowledge: { text: string, embedding: string, d?: number }[] = require("./knowledge")export default function OpenAI (input, schema) { return new Promise((resolve, reject) => { // 将用户提问信息转换为Embedding const embedding = await openai.createEmbedding({ model: "text-embedding-ada-002", input, }).then((response) => response.data.data[0].embedding); // 获取用户提问与知识的相关性并排序 for (const row of knowledge) { row.d = distance(JSON.parse(row.embedding), input) } knowledge.sort((a, b) => a.d - b.d); // 将相关性知识、原始代码和用户提问发送给GPT-3.5模型 const message = await openai.createChatCompletion({ model: "gpt-3.5-turbo", messages: [ { role: "system", content: "你是编程助手，需要阅读协议知识，并按照用户的要求修改代码。\n\n" + "协议知识：\n\n" + knowledge.slice(0, 10).map((row) => row.text).join("\n\n") + "\n\n" + "原始代码：\n\n" + "```\n" + schema + "\n```" }, { role: "user", content: input } ] }).then((response) => response.data.choices[0].message.content); // 检查返回消息中是否包含Markdown语法的代码块标识 let startIndex = message.indexOf("```"); if (message.substring(startIndex, startIndex + 4) === "json") { startIndex += 4; } if (startIndex > -1) { // 返回消息为Markdown语法 let endIndex = message.indexOf("```", startIndex + 3); let messageConfig; // 需要遍历所有代码块 while (endIndex > -1) { try { messageConfig = message.substring(startIndex + 3, endIndex); if ( /** messageConfig正确性校验 */ ) { resolve(messageConfig); break; } } catch (e) { /* 本次失败 */ } startIndex = message.indexOf("```", endIndex + 3); if (message.substring(startIndex, startIndex + 4) === "json") { startIndex += 4; } if (startIndex === -1) { reject(["OpenAI返回的信息不可识别：", message]); break; } endIndex = message.indexOf("```", startIndex + 3); } } else { // 返回消息可能为代码本身 try { const messageConfig = message; if ( /** messageConfig正确性校验 */ ) { resolve(messageConfig); } else { reject(["OpenAI返回的信息不可识别：", message]); } } catch (e) { reject(["OpenAI返回的信息不可识别：", message]); } } })}低代码渲染
import React, { useState, useEffect } from "react"import { CCMS } from "ccms-antd"import OpenAI from "./OpenAI"export default function App () { const [ ready, setReady ] = useState(true) const [ schema, setSchema ] = useState({}) const handleOpenAI = (input) => { OpenAI(input, schema).then((nextSchema) => { setReady(false) setSchema(nextSchema) }) } useEffect(() => { setReady(true) }, [schema]) return ( {ready && ( { if (e.shiftKey) { handleOpenAI(e.currentTarget.value) } }} /> } > )}根据OpenAI隐私政策说明，使用API方式进行数据访问时：
除非明确的授权，OpenAI不会使用用户发送的数据进行学习和改进模型。用户发送的数据会被OpenAI保留30天，以用于监管和审查。（有限数量的授权OpenAI员工，以及负有保密和安全义务的专业第三方承包商，可以访问这些数据）用户上传的文件（包括微调模型是提交的训练数据），除非用户删除，否则会一直保留。另外，OpenAI不提供模型的私有化部署（包括上述微调模型方式所生成的自定义模型），但可以通过联系销售团队购买私有容器。
文中所使用的训练数据、私有框架知识以及低代码框架均源自本团队开发并已开源的内容。用户使用相关服务时也会进行数据安全提示。
关键词：
