在當今快速發展的技(jì)術(shù)領域中，人(rén)工智能的力量被越來(lái)越廣泛地應用。ChatGPT作(zuò)為(wèi)一種強大(dà)的自然語言處理(lǐ)模型，已經在各種應用場(chǎng)景中展現出了令人(rén)驚歎的能力，正引領着技(jì)術(shù)的新潮流。那(nà)麽，将ChatGPT與低(dī)代碼控制(zhì)器(qì)相結合，會(huì)産生(shēng)怎樣的火(huǒ)花(huā)呢？

應用低(dī)代碼控制(zhì)器(qì)實現控制(zhì)策略，其核心是将控制(zhì)策略表達為(wèi)AOE網絡并對AOE進行(xíng)标準化配置描述。其主要設計(jì)流程包括設計(jì)基于事件驅動的控制(zhì)策略、構建AOE網絡和(hé)标準化配置文件編寫。在低(dī)代碼控制(zhì)器(qì)實現控制(zhì)策略的技(jì)術(shù)路線中，基于事件驅動的控制(zhì)策略步驟需要根據具體(tǐ)控制(zhì)目标進行(xíng)事件和(hé)動作(zuò)的設置：确定每個(gè)動作(zuò)開(kāi)始執行(xíng)時(shí)需要滿足的事件條件和(hé)前驅動作(zuò)，構建控制(zhì)策略的拓撲邏輯關系，其中開(kāi)始執行(xíng)時(shí)需要滿足的事件條件指動作(zuò)執行(xíng)前需要滿足的條件；确定每個(gè)動作(zuò)執行(xíng)完成的事件條件、事件的超時(shí)時(shí)間(jiān)，以及執行(xíng)失敗後需要采取的措施。該過程較為(wèi)複雜，對于新手或面對複雜策略往往難于設計(jì)，而ChatGPT能夠較好的解決此痛點，為(wèi)控制(zhì)策略的設計(jì)提供參考。後兩步驟由于均為(wèi)标準化、規範化流程，運用ChatGPT能夠極大(dà)提高(gāo)配置文件生(shēng)産效率，因此ChatGPT與低(dī)代碼控制(zhì)器(qì)的結合将更進一步提高(gāo)生(shēng)産力，會(huì)給用戶們帶來(lái)全新的體(tǐ)驗。

運用ChatGPT簡化低(dī)代碼控制(zhì)器(qì)配置文件的編寫，隻需向ChatGPT輸入配置地具體(tǐ)要求，ChatGPT将智能生(shēng)成配置文件，包括測點配置、通(tōng)信配置以及策略配置。生(shēng)成的配置文件可(kě)直接導入低(dī)代碼控制(zhì)器(qì)工具，快速搭建AOE網絡。

如此便捷的應用該如何實現呢？讓我們來(lái)進一步了解吧(ba)。

一、 訓練模型

首先我們需要訓練出能夠按照規定的格式智能生(shēng)成配置文件的模型。在這一步我們需要用到openai官網提供的微調功能和(hé)python當中的openai模塊，在進行(xíng)以下步驟之前确保你(nǐ)已經擁有(yǒu)一個(gè)API key，并且在python中安裝了openai模塊。

第一步：準備數(shù)據。準備如下的訓練數(shù)據，每個(gè)訓練示例通(tōng)常包含一個(gè)輸入示例以及與之對應的我們期望輸出的配置文件，第一行(xíng)為(wèi)“prompt”、“completion”。

第二步：格式化數(shù)據。

利用CLI數(shù)據準備工具格式化訓練數(shù)據。

最後生(shēng)成一個(gè)jsonl文件。

第三步：啓動微調作(zuò)業。使用 OpenAI CLI 啓動微調作(zuò)業“”。

經過一段時(shí)間(jiān)的等待之後我們就能夠看到窗口顯示微調成功。

第四步：進一步微調。如果需要對微調完成的模型進一步訓練，隻需要将啓動微調命令中的模型名稱改為(wèi)微調完成的模型名之後再輸入即可(kě)：

 openai模塊除了創建微調作(zuò)業外，還(hái)可(kě)以列出現有(yǒu)作(zuò)業、檢索作(zuò)業狀态、取消作(zuò)業或分析微調模型，大(dà)家(jiā)有(yǒu)興趣的可(kě)以根據openai官網的教程自行(xíng)進行(xíng)探索。

二、 調用微調模型

通(tōng)過上(shàng)文的一系列步驟，我們已經完成了智能生(shēng)成配置文件模型的訓練，接下來(lái)我們該如何運用這個(gè)模型呢？

1. 基于python調用微調模型進行(xíng)單個(gè)對話(huà)

編寫python程序調用微調模型，可(kě)以根據根據預期生(shēng)成的文件大(dà)小(xiǎo)設置适當的max_tokens，并調整調用模型的各個(gè)參數(shù)。

以下是上(shàng)圖所示的代碼運行(xíng)的結果，輸入測點配置文件的要求即可(kě)輸出相應的測點配置文件。

2. 基于python調用微調模型進行(xíng)多(duō)輪對話(huà)

由于微調模型的輸出有(yǒu)token限制(zhì)，因此在測點文件過大(dà)的時(shí)候，一次輸出可(kě)能會(huì)出現不能生(shēng)成完整的配置文件的情況，可(kě)以編寫以下程序，保存對話(huà)曆史，通(tōng)過設置後進先出，實現記憶上(shàng)下文的對話(huà)。

ChatGPT的智能生(shēng)成簡化了AOE網絡的設計(jì)流程，提高(gāo)了低(dī)代碼控制(zhì)器(qì)的開(kāi)發效率，減少(shǎo)了編寫配置文件的時(shí)間(jiān)和(hé)工作(zuò)量，讓開(kāi)發人(rén)員能夠專注于控制(zhì)邏輯的設計(jì)，無需關注底層細節。此外，ChatGPT能夠處理(lǐ)複雜的邏輯和(hé)語法，生(shēng)成符合需求的配置文件，減少(shǎo)了錯誤和(hé)調試的可(kě)能性，這提高(gāo)了AOE網絡的質量和(hé)穩定性。它有(yǒu)望推動低(dī)代碼開(kāi)發的普及，使更多(duō)人(rén)能夠參與開(kāi)發，提高(gāo)整體(tǐ)開(kāi)發效率。總之，ChatGPT的智能生(shēng)成配置文件具有(yǒu)巨大(dà)的潛力，接下來(lái)，我們将深入探索ChatGPT與低(dī)代碼控制(zhì)器(qì)的結合應用，發掘其在不同維度的潛力和(hé)優勢，為(wèi)低(dī)代碼控制(zhì)器(qì)的開(kāi)發帶來(lái)更多(duō)的便利和(hé)創新。