作者：京东零售牛晓光

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。

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。

一、OpenAI知识学习方式

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>
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> -m <BASE_MODULE> --suffix "<MODEL_SUFFIX>"

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。

1openai.createChatCompletion({
2  model: "gpt-3.5-turbo",
3  messages: [
4    { 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" +
5      "上下文：\n" + 
6      "- 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" + 
7      "- 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" + 
8      "- 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。"
9    },
10    { role: "user", content: "CCMS是什么？" }
11  ]
12}).then((response) => response.data.choices[0].message.content);
13
14
15

使用成本

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。

1await openai.createEmbedding({
2  model: "text-embedding-ada-002",
3  input: fs.readFileSync('./document.md', 'utf-8').toString(),
4}).then((response) => response.data.data[0].embedding);
5
6
7

存储：保存Embedding数据。（对于大型数据集，可以使用矢量数据库）

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。

1const fs = require('fs');
2const { parse } = require('csv-parse/sync');
3const distance = require( 'compute-cosine-distance' );
4
5function (input: string, topN: number) {
6  const knowledge: { text: string, embedding: string, d?: number }[] = parse(fs.readFileSync('./knowledge.csv').toString());
7
8  for (const row of knowledge) {
9    row.d = distance(JSON.parse(row.embedding), input)
10  }
11
12  knowledge.sort((a, b) => a.d - b.d);
13
14  return knowledge.slice(0, topN).map((row) => row.text));
15}
16
17
18

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

1async function (knowledge: string[], input: string) {
2  const response = await openai.createChatCompletion({
3    model: "gpt-3.5-turbo",
4    messages: [
5      {
6        role: 'system',
7        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")
8      },
9      {
10        role: 'user',
11        content: input
12      }
13    ]
14  }).then((response) => response.data.choices[0].message.content);
15  return response
16}
17
18
19

返回GPT的答案

使用成本

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

1const { Configuration, OpenAIApi } = require("openai");
2const openai = new OpenAIApi(new Configuration({ /** OpenAI 配置 */ }));
3const distance = require('compute-cosine-distance');
4const knowledge: { text: string, embedding: string, d?: number }[] = require("./knowledge")
5
6export default function OpenAI (input, schema) {
7  return new Promise((resolve, reject) => {
8    // 将用户提问信息转换为Embedding
9    const embedding = await openai.createEmbedding({
10      model: "text-embedding-ada-002",
11      input,
12    }).then((response) => response.data.data[0].embedding);
13    
14    // 获取用户提问与知识的相关性并排序
15    for (const row of knowledge) {
16      row.d = distance(JSON.parse(row.embedding), input)
17    }
18    knowledge.sort((a, b) => a.d - b.d);
19    
20    // 将相关性知识、原始代码和用户提问发送给GPT-3.5模型
21    const message = await openai.createChatCompletion({
22      model: "gpt-3.5-turbo",
23      messages: [
24        {
25          role: 'system',
26          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" + 
27                  "协议知识：\n\n" +
28                  knowledge.slice(0, 10).map((row) => row.text).join("\n\n") + "\n\n" + 
29                  "原始代码：\n\n" +
30                  "```\n" + schema + "\n```"
31        },
32        {
33          role: 'user',
34          content: input
35        }
36      ]
37    }).then((response) => response.data.choices[0].message.content);
38
39      // 检查返回消息中是否包含Markdown语法的代码块标识
40    let startIndex = message.indexOf('```');
41    if (message.substring(startIndex, startIndex + 4) === 'json') {
42      startIndex += 4;
43    }
44
45    if (startIndex > -1) {
46      // 返回消息为Markdown语法
47      let endIndex = message.indexOf('```', startIndex + 3);
48      let messageConfig;
49
50      // 需要遍历所有代码块
51      while (endIndex > -1) {
52        try {
53          messageConfig = message.substring(startIndex + 3, endIndex);
54
55          if (
56            /** messageConfig正确性校验 */
57          ) {
58            resolve(messageConfig);
59            break;
60          }
61        } catch (e) {
62          /* 本次失败 */
63        }
64
65        startIndex = message.indexOf('```', endIndex + 3);
66
67        if (message.substring(startIndex, startIndex + 4) === 'json') {
68          startIndex += 4;
69        }
70
71        if (startIndex === -1) {
72          reject(['OpenAI返回的信息不可识别：', message]);
73          break;
74        }
75
76        endIndex = message.indexOf('```', startIndex + 3);
77      }
78    } else {
79      // 返回消息可能为代码本身
80      try {
81        const messageConfig = message;
82
83        if (
84          /** messageConfig正确性校验 */
85        ) {
86          resolve(messageConfig);
87        } else {
88          reject(['OpenAI返回的信息不可识别：', message]);
89        }
90      } catch (e) {
91        reject(['OpenAI返回的信息不可识别：', message]);
92      }
93    }
94  })
95}
96
97
98

低代码渲染

1import React, { useState, useEffect } from 'react'
2import { CCMS } from 'ccms-antd'
3import OpenAI from './OpenAI'
4
5export default function App () {
6  const [ ready, setReady ] = useState(true)
7  const [ schema, setSchema ] = useState({})
8
9  const handleOpenAI = (input) => {
10    OpenAI(input, schema).then((nextSchema) => {
11      setReady(false)
12      setSchema(nextSchema)
13    })
14  }
15
16  useEffect(() => {
17    setReady(true)
18  }, [schema])
19
20  return (
21    <div style={{ width: '100vw', height: '100vh' }}>
22      {ready && (
23        <CCMS
24          config={pageSchema}
25          /** ... */
26        />
27      )}
28      <div style={{ position: 'fixed', right: 385, bottom: 20, zIndex: 9999 }}>
29        <Popover
30          placement="topRight"
31          trigger="click"
32          content={
33            <Form.Item label="使用OpenAI助力搭建页面：" labelCol={{ span: 24 }}>
34              <Input.TextArea
35                placeholder="请在这里输入内容，按下Shift+回车确认。"
36                defaultValue={defaultPrompt}
37                onPressEnter={(e) => {
38                  if (e.shiftKey) {
39                    handleOpenAI(e.currentTarget.value)
40                  }
41                }}
42              />
43            </Form.Item>
44          }
45        >
46          <Button shape="circle" type="primary" icon={ /** OpenAI icon */ } />
47        </Popover>
48      </div>
49    </div>
50  )
51}
52
53
54

四、信息安全

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。

【OpenAI】私有框架代码生成实践 | 京东云技术团队

一、OpenAI知识学习方式

1. 微调模型

使用方法

使用成本

结论

2. 聊天补全

使用方法

使用成本

结论

二、私有知识学习实践

3. 检索-提问解决方案

使用方法

使用成本

三、低代码自然语言搭建案例

使用方法

四、信息安全

评论区

相关推荐