کشف قابلیت‌های هوش مصنوعی: نگاهی عمیق به استفاده از ابزار و فراخوانی توابع در مدل‌های زبانی بزرگ

برای سال‌ها، مدل‌های زبانی بزرگ (LLMs) به عنوان جعبه‌های سیاهی در نظر گرفته می‌شدند که متن را بر اساس احتمال تولید می‌کردند. اگرچه این رویکرد چشمگیر بود، اما یک محدودیت بنیادین داشت: آن‌ها به داده‌های بلادرست دسترسی نداشتند و نمی‌توانستند اقدامی انجام دهند. اینجا استفاده از ابزار (که به فراخوانی تابع یا اقدام‌گیری نیز معروف است) به عنوان یک تغییر پارادایم وارد می‌شود که مدل‌های زبانی بزرگ را از تولیدکنندگان محتوای غیرفعال به عامل‌های فعالی تبدیل می‌کند که قادر به تعامل با دنیای بیرون هستند.

برای توسعه‌دهندگان متوسط و پیشرفته، درک استفاده از ابزار دیگر یک انتخاب نیست—این سنگ بنای ساخت برنامه‌های هوش مصنوعی آماده تولید است که دقیق، قابل اعتماد و امن باشند.

استفاده از ابزار چیست؟

استفاده از ابزار به مدل اجازه می‌دهد تا زمانی که برای برآورده کردن یک درخواست به اطلاعات یا قابلیت‌های خارجی نیاز دارد، آن را تشخیص دهد. به جای اینکه مدل پاسخی توهمی ارائه دهد یا پاسخ عمومی بدهد، نیاز به یک تابع خاص (مثلاً get_weather یا calculate_tax) را شناسایی کرده و یک درخواست ساختاریافته برای فراخوانی آن تابع خروجی می‌دهد. سپس برنامه این تابع را اجرا می‌کند، نتیجه را دریافت کرده و آن را به مدل باز می‌گرداند تا پاسخ نهایی را تولید کند.

این مکانیسم قابلیت‌های استدلال مدل زبانی بزرگ را از منطق و داده‌های سرویس‌های بک‌اند شما جدا می‌کند که منجر به دقت بسیار بالاتر می‌شود.

تعریف ابزارها در قالب JSON Schema

برای فعال‌سازی استفاده از ابزار، باید ابزارهایی که API شما پشتیبانی می‌کند را تعریف کنید. بیشتر ارائه‌دهندگان مدرن مدل‌های زبانی بزرگ، ابزارهایی را که در قالب JSON Schema تعریف شده‌اند، می‌پذیرند. این طرح به عنوان یک قرارداد بین برنامه شما و مدل عمل می‌کند و به وضوح تعریف می‌کند که ابزار چه کاری انجام می‌دهد، چه ورودی‌هایی نیاز دارد و چه چیزی را باز می‌گرداند.

در اینجا یک مثال عملی از تعریف یک ابزار برای دریافت داده‌های آب و هوا آورده شده است:

{
  "name": "get_weather",
  "description": "آب و هوای فعلی را برای یک مکان خاص دریافت می‌کند",
  "parameters": {
    "type": "object",
    "properties": {
      "location": {
        "type": "string",
        "description": "شهر و ایالت، مثلاً سن فرانسیسکو، کالیفرنیا"
      },
      "unit": {
        "type": "string",
        "enum": ["celsius", "fahrenheit"],
        "description": "واحد دما"
      }
    },
    "required": ["location"]
  }
}

توجه کنید که چگونه تایپ‌های سخت‌گیرانه و محدودیت‌های enum به مدل کمک می‌کنند تا ورودی‌های معتبر را درک کند. این امر خطاها را کاهش می‌دهد و اطمینان حاصل می‌کند که داده‌های ارسال شده به بک‌اند شما از پیش اعتبارسنجی شده‌اند.

حلقه اجرا: از قصد تا اقدام

پیاده‌سازی استفاده از ابزار به یک حلقه هماهنگ‌سازی خاص نیاز دارد. این یک فرآیند ساده یک مرحله‌ای نیست. جریان کار معمولاً به این صورت است:

1. درخواست اولیه: کاربر یک پرامپت ارسال می‌کند، مانند «آب و هوای توکیو چگونه است؟»
2. قصد مدل: مدل زبانی بزرگ پرامپت را تحلیل می‌کند و تشخیص می‌دهد که به داده‌های خارجی نیاز دارد. به جای پاسخ متنی، یک شیء فراخوانی ابزار را باز می‌گرداند.
3. اجرای محلی: کد شما فراخوانی ابزار را تجزیه می‌کند، تابع get_weather را با پارامترهای ارائه شده اجرا می‌کند و خروجی را ضبط می‌کند.
4. حلقه بازخورد: شما نتیجه فراخوانی تابع را به عنوان یک پیام جدید در تاریخچه مکالمه به مدل زبانی بزرگ ارسال می‌کنید.
5. پاسخ نهایی: مدل زبانی بزرگ داده‌های خام را در یک پاسخ به زبان طبیعی برای کاربر ترکیب می‌کند.

این فرآیند تکراری بسیار حیاتی است. این به مدل اجازه می‌دهد «قبل از اقدام فکر کند». اگر پارامترهای ارائه شده توسط مدل نامعتبر باشند، برنامه شما می‌تواند خطا را تشخیص دهد، به مدل اطلاع دهد و به آن اجازه دهد قبل از ارائه پاسخ نهایی به کاربر، مسیر خود را اصلاح کند.

الگوهای پیشرفته: زنجیره‌سازی و عامل‌ها

با مقیاس‌پذیری، استفاده از ابزار معماری‌های پیچیده‌تری مانند سیستم‌های چندعاملی را امکان‌پذیر می‌کند. در این سناریوها، یک ابزار ممکن است ابزار دیگری را فعال کند. برای مثال، یک «عامل مدیریت سفارش» ممکن است ابتدا یک ابزار check_inventory را فراخوانی کند. اگر کالا موجود باشد، ممکن است سپس یک ابزار create_order و در نهایت یک ابزار send_confirmation_email را فراخوانی کند.

با این حال، با قدرت زیاد، مسئولیت زیادی نیز وجود دارد. توسعه‌دهندگان باید موانع ایمنی را برای جلوگیری از حملات تزریق پرامپت پیاده‌سازی کنند و اطمینان حاصل کنند که مدل فقط به ابزارهایی دسترسی دارد که مجاز به استفاده از آن‌ها است. همیشه ورودی‌ها را پاکسازی کرده و خروجی‌ها را در لایه برنامه اعتبارسنجی کنید و به مدل زبانی بزرگ به صورت ضمنی اعتماد نکنید.

نتیجه‌گیری

استفاده از ابزار نشان‌دهنده تکامل مدل‌های زبانی بزرگ از چت‌بات‌ها به شرکای محاسباتی است. با تسلط بر فراخوانی تابع، خروجی‌های ساختاریافته و حلقه‌های اجرا، توسعه‌دهندگان می‌توانند برنامه‌هایی بسازند که نه تنها گفتگو محور، بلکه واقعاً کاربردی باشند. با بالغ‌تر شدن اکوسیستم، انتظار می‌رود چارچوب‌های پیچیده‌تری پیچیدگی این حلقه‌ها را انتزاع کنند، به شما این امکان را می‌دهند که بر منطق عامل در سطح بالا و تجربه کاربری تمرکز کنید.