作者簡(jiǎn)介

成學(xué)，攜程高級(jí)安全研發(fā)工程師，關(guān)注Python/Golang后端開(kāi)發(fā)、大語(yǔ)言模型等領(lǐng)域。

一、背景

2023年初，科技圈最火爆的話題莫過(guò)于大語(yǔ)言模型了，它是一種全新的聊天機(jī)器人模型，除了能應(yīng)對(duì)基本的日常聊天外，還能勝任如文案編寫(xiě)、旅游規(guī)劃等各項(xiàng)工作。

攜程信息安全部也緊跟時(shí)代步伐，在攜程內(nèi)部推出基于大語(yǔ)言模型的智能聊天機(jī)器人，并發(fā)布網(wǎng)頁(yè)版1.0，讓所有“程里人”可以便捷無(wú)門(mén)檻地享受大語(yǔ)言模型帶來(lái)的便利。在運(yùn)營(yíng)半年多后，我們廣泛收集了用戶的使用感受以及建議，結(jié)合當(dāng)下大語(yǔ)言模型的發(fā)展進(jìn)程，新推出了網(wǎng)頁(yè)版2.0，相較于1.0版本，簡(jiǎn)化了頁(yè)面展示，增加了歷史會(huì)話保存、自定義對(duì)話設(shè)置、支持插件、AI繪圖等功能。

其中插件功能可以擴(kuò)展大語(yǔ)言模型的個(gè)性化能力，讓其如虎添翼，開(kāi)發(fā)者可以根據(jù)特定需求定義特定插件供用戶使用。目前網(wǎng)頁(yè)版2.0版本支持10多種插件，如Google搜索插件可以對(duì)輸入的問(wèn)題進(jìn)行聯(lián)網(wǎng)查詢；Base64插件可以對(duì)Base64內(nèi)容進(jìn)行解密等。那么這些插件是如何實(shí)現(xiàn)的呢？讓我們一探究竟吧。

二、需求調(diào)研

2.1 Function Calling

目前多個(gè)大語(yǔ)言模型都推出了Function Calling（函數(shù)調(diào)用）能力，用于幫助開(kāi)發(fā)者通過(guò) API 方式實(shí)現(xiàn)類似于插件的能力。通過(guò)Function Calling，我們可以將多個(gè)自定義的函數(shù)描述連同提出的問(wèn)題一起傳給大語(yǔ)言模型，它會(huì)分析這些函數(shù)描述與提問(wèn)內(nèi)容的相關(guān)性，并將最相關(guān)的函數(shù)及對(duì)應(yīng)的函數(shù)傳參一起返回，我們?cè)賵?zhí)行函數(shù)對(duì)應(yīng)的業(yè)務(wù)邏輯，即可得到問(wèn)題的答案。

Function Calling的大體使用流程如下：

舉個(gè)例子，我們的問(wèn)題是“今天上海天氣如何”，大語(yǔ)言模型本身不能聯(lián)網(wǎng)，不知道當(dāng)前上海的天氣信息，但是按照Function Calling的使用步驟，我們可以回答這個(gè)問(wèn)題：

• 我們可以事先在應(yīng)用服務(wù)端定義一個(gè)查詢天氣的函數(shù)，函數(shù)描述為“查詢某時(shí)某地的天氣情況”，函數(shù)傳參為“日期”和“地點(diǎn)”，在函數(shù)內(nèi)部編寫(xiě)具體查詢天氣的代碼，如從氣象局網(wǎng)站獲取對(duì)應(yīng)的天氣信息。
• 除此之外，我們還可以定義一些其他自定義的函數(shù)，如base65加解密函數(shù)、ip信息查詢函數(shù)等。
• 在調(diào)用大語(yǔ)言模型的API時(shí)，將這些定義的函數(shù)按照api規(guī)范連同問(wèn)題“今天上海天氣如何”一起傳給模型。
• 通常情況下模型會(huì)返回和問(wèn)題相匹配的函數(shù)，即查詢天氣的函數(shù)，同時(shí)返回函數(shù)傳參“今天”和“上海”。
• 根據(jù)這個(gè)返回內(nèi)容，我們?cè)賹?shí)際調(diào)用查詢天氣的函數(shù)，獲取到天氣信息。
• 最后將天氣信息返回給用戶。

由此可以看出Function Calling（函數(shù)調(diào)用）的本質(zhì)就是利用大語(yǔ)言模型的文字分析能力，在提供的一系列函數(shù)中，找出能夠回答問(wèn)題的最合適的函數(shù)，函數(shù)內(nèi)部的具體邏輯則交給開(kāi)發(fā)者自己實(shí)現(xiàn)，而不是大語(yǔ)言模型實(shí)現(xiàn)。

再進(jìn)一步分析可以發(fā)現(xiàn)，如果沒(méi)有Function Calling，其實(shí)通過(guò)prompt提示我們也可以實(shí)現(xiàn)Function Calling的功能，例如prompt類似于“我有一些函數(shù)，定義為xxxx，我想知道“今天上海天氣如何”，請(qǐng)告訴我用哪個(gè)函數(shù)可以解答這個(gè)問(wèn)題，并告訴我函數(shù)的傳參“。當(dāng)然這個(gè)prompt效果并不一定很好，每個(gè)人的prompt也不盡相同，那么Function Calling這個(gè)功能就應(yīng)運(yùn)而生了，針對(duì)這種場(chǎng)景進(jìn)行調(diào)優(yōu)并規(guī)范了函數(shù)的定義和返回格式，方便了開(kāi)發(fā)者的使用。

2.2 如何實(shí)現(xiàn)異步

在定義插件時(shí)，有一些插件如Ping插件、IP掃描插件等，由于網(wǎng)絡(luò)耗時(shí)或執(zhí)行本身比較慢，提問(wèn)后無(wú)法立馬返回結(jié)果，所以需要使用異步的方式，等后臺(tái)服務(wù)執(zhí)行完成后，再把結(jié)果返回給前端。對(duì)于這種場(chǎng)景，我們需要主動(dòng)向前端推送消息，常用的方法就是使用WebSocket。

WebSocket是從HTML5開(kāi)始提供的一種瀏覽器與服務(wù)器進(jìn)行全雙工通訊的網(wǎng)絡(luò)技術(shù)，它的目的是在瀏覽器和服務(wù)器之間建立一個(gè)不受限的雙向通信的通道。比如說(shuō)，服務(wù)器可以在任意時(shí)刻發(fā)送消息給瀏覽器。它不是一種全新的協(xié)議，而是利用了HTTP協(xié)議來(lái)建立連接，屬于應(yīng)用層協(xié)議。

它具有如下優(yōu)點(diǎn)：

• 支持雙向通信，實(shí)時(shí)性更強(qiáng)
• 更好的二進(jìn)制支持
• 較少的控制開(kāi)銷。連接創(chuàng)建后，ws客戶端、服務(wù)端進(jìn)行數(shù)據(jù)交換時(shí)，協(xié)議控制的數(shù)據(jù)包頭部較小。在不包含頭部的情況下，服務(wù)端到客戶端的包頭只有2~10字節(jié)（取決于數(shù)據(jù)包長(zhǎng)度），客戶端到服務(wù)端的的話，需要加上額外的4字節(jié)的掩碼。而HTTP協(xié)議每次通信都需要攜帶完整的頭部
• 支持?jǐn)U展。ws協(xié)議定義了擴(kuò)展，用戶可以擴(kuò)展協(xié)議，或者實(shí)現(xiàn)自定義的子協(xié)議（比如支持自定義壓縮算法等）

除了WebSocket，我們還可以選擇使用socketIO。Socket.IO也可以實(shí)現(xiàn)客戶端和服務(wù)段之間雙向通信。但與WebSocket不同的是，socketIO是一個(gè)第三方庫(kù)，他具有WebSocket的基本功能，同時(shí)也增強(qiáng)了一些的功能。比如：

• 兼容性：WebSocket是HTML5標(biāo)準(zhǔn)中的一部分，需要瀏覽器支持HTML5才能使用，而Socket.IO是基于WebSocket協(xié)議的封裝，可以在不支持WebSocket的瀏覽器上使用
• API：WebSocket只提供了底層的API，需要開(kāi)發(fā)者自己實(shí)現(xiàn)消息的編解碼、心跳等功能，而Socket.IO提供了更高層次的API，封裝了消息的編解碼、心跳等功能，使用更加方便
• 處理異常：WebSocket在連接異常時(shí)會(huì)直接斷開(kāi)連接，而Socket.IO的心跳機(jī)制會(huì)嘗試重新連接，提高了連接的穩(wěn)定性
• 支持的協(xié)議：WebSocket只支持單一的協(xié)議，而Socket.IO支持多種協(xié)議，包括WebSocket、Flash Socket、AJAX長(zhǎng)輪詢等
• HTTP 長(zhǎng)輪詢回退：如果無(wú)法建立 WebSocket 連接，連接將回退到 HTTP 長(zhǎng)輪詢

但需要強(qiáng)調(diào)的是：Socket.IO與WebSocket并不能兼容，盡管 Socket.IO 確實(shí)在可能的情況下使用 WebSocket 進(jìn)行傳輸，但它為每個(gè)數(shù)據(jù)包添加了額外的元數(shù)據(jù)。因此WebSocket客戶端將無(wú)法成功連接到Socket.IO服務(wù)器，而Socket.IO客戶端也將無(wú)法連接到普通WebSocket服務(wù)器。

socketIO服務(wù)連接時(shí)，可以在f12中看到連接的過(guò)程：

總共分為5步：

• 客戶端發(fā)起握手請(qǐng)求(GET)，服務(wù)端返回本次連接的前置基礎(chǔ)信息

{
      "sid": "FSDjX-WRwSA4zTZMALqx",  // 會(huì)話的ID，它必須包含在后續(xù)所有HTTP請(qǐng)求的查詢參數(shù)中
      "upgrades": ["websocket"],  // 數(shù)組包含服務(wù)器支持的所有“更好”傳輸?shù)牧斜?      "pingInterval": 25000,  // 心跳檢測(cè)時(shí)間，25秒
      "pingTimeout": 20000  // # 心跳超時(shí)時(shí)間，20秒
  }

• 客戶端帶上sid(POST)，長(zhǎng)輪詢，發(fā)送連接請(qǐng)求
• 客戶端帶上sid(GET)，長(zhǎng)輪詢，獲取連接確認(rèn)
• 升級(jí)建立WebSocket連接，響應(yīng)碼為101，且一直處于連接狀態(tài)
• 客戶端接收數(shù)據(jù) (GET)，長(zhǎng)輪詢，WebSocket連接建立成功后關(guān)閉

三、 基本實(shí)現(xiàn)

以下實(shí)現(xiàn)案例基于國(guó)內(nèi)開(kāi)源大語(yǔ)言模型ChatGLM3，ChatGLM3 是智譜AI和清華大學(xué) KEG 實(shí)驗(yàn)室聯(lián)合發(fā)布的對(duì)話預(yù)訓(xùn)練模型。

3.1 定義各種插件

根據(jù)ChatGLM3模型的插件規(guī)范，定義插件的相關(guān)信息，這里舉2個(gè)例子，Google搜索（同步插件）、Ping（異步插件）。

all_plugins = {
    "google": {
        "name_cn": "谷歌搜索",  # 中文名稱
        "sync": True,  # 是否同步執(zhí)行
        "message": "{result}",  # 返回給用戶的消息
        # info內(nèi)容為符合ChatGLM3 function call規(guī)范的函數(shù)定義
        "info": {
            "name": "google",  # 函數(shù)名
            "description": "當(dāng)問(wèn)題需要進(jìn)行實(shí)時(shí)搜索(如今天的日期或者今天的天氣等)時(shí), 或者無(wú)法回答時(shí), 使用 google 搜索",  # 函數(shù)描述
            "parameters": {
                "type": "object",
                "properties": {
                    "keyword": {  # 傳參參數(shù)名
                        "type": "string",  # 參數(shù)數(shù)據(jù)類型
                        "description": "搜索的關(guān)鍵詞"  # 參數(shù)描述
                    }
                },
                "required": ["keyword"]  # 必填參數(shù)
            }
        }
    },
    "ping": {
        "name_cn": "ping",
        "sync": False,
        "message": "使用ping插件，由于該任務(wù)執(zhí)行時(shí)間比較長(zhǎng)，完成后我會(huì)主動(dòng)將結(jié)果發(fā)送給您。請(qǐng)耐心等待。如果您有其他問(wèn)題，可以繼續(xù)提問(wèn)。",
        "info": {
            "name": "ping",
            "description": "使用ping工具對(duì)IP地址進(jìn)行ping測(cè)試",
            "parameters": {
                "type": "object",
                "properties": {
                    "addr": {
                        "type": "string",
                        "description": "被ping的ip或者域名"
                    }
                },
                "required": ["addr"]
            }
        }
    }
}

定義插件對(duì)應(yīng)的函數(shù)實(shí)現(xiàn)：

class Functions:
    @classmethod
    def ping(cls, **kwargs):
        """ping實(shí)現(xiàn)"""
        # 省略ping的代碼實(shí)現(xiàn)
        pass


    @classmethod
    def google(cls, **kwargs):
        """google搜索實(shí)現(xiàn)"""
        # 查詢關(guān)鍵字
        keyword = kwargs['keyword']
        # 搜索結(jié)果
        search_context = []
        # 使用google api搜索
        res = server['service'].cse().list(q=keyword, cx=server['cx'], ).execute()
        # 遍歷搜索結(jié)果
        for row in res.get('items', []):
            # 提取每條搜索結(jié)果的簡(jiǎn)要信息
            search_context.append(row['snippet'])
        # 匯總搜索結(jié)果和問(wèn)題組成prompt
        prompt = [{"role": "user", "content": f"請(qǐng)結(jié)合以下內(nèi)容，回答問(wèn)題：{keyword}\n" + "\n".join(search_context)}]
        # 調(diào)用大語(yǔ)言模型生成答案
        return reply_text(prompt)

3.2 使用Function Calling實(shí)現(xiàn)插件功能

大體邏輯為：將插件信息和用戶提問(wèn)一起發(fā)送給大語(yǔ)言模型的API，得到與之匹配的插件，再調(diào)用插件對(duì)應(yīng)的函數(shù)，得到結(jié)果返回給用戶。以下代碼為簡(jiǎn)化的ChatGLM3示例代碼：

import torch
from transformers import AutoTokenizer, AutoModel


def main():
    """使用插件時(shí)回復(fù)文字"""
    DEVICE = 'cuda' if torch.cuda.is_available() else 'cpu'
    tokenizer = AutoTokenizer.from_pretrained('/home/chatglm3-6b', trust_remote_code=True)
    model = AutoModel.from_pretrained('/home/chatglm3-6b', trust_remote_code=True).to(DEVICE).eval()
    # 匯總所有的插件信息
    tools = [plugin['info'] for plugin in all_plugins.values()]
    # 將插件信息設(shè)置在對(duì)話歷史中
    history = [{"role": "system", "content": "Answer the following questions as best as you can. You have access to the following tools:", "tools": tools}]
    # 調(diào)用function calling
    response, _ = model.chat(tokenizer, query, history=history)
    # 獲取匹配的插件名稱
    plugin_name = response.get("name", "")
    # 獲取匹配的插件參數(shù)
    arguments = response.get("parameters", {})
    # 沒(méi)有匹配到插件則退出
    if not plugin_name:
        return None
    # 獲取插件完整信息
    plugin = all_plugins[plugin_name]
    # 使用反射機(jī)制獲取插件對(duì)應(yīng)的函數(shù)對(duì)象
    func = getattr(Functions, plugin_name)
    # 執(zhí)行函數(shù)并返回結(jié)果
    res = func(**arguments)
    return res

3.3 異步插件的實(shí)現(xiàn)

本項(xiàng)目Web后端使用的框架為flask，使用socketIO實(shí)現(xiàn)異步交互，需要安裝對(duì)應(yīng)的庫(kù)：flask_socketio，啟動(dòng)時(shí)，在flask的app上使用SocketIO包裝一下即可，這樣在同一個(gè)端口上同時(shí)開(kāi)啟了http服務(wù)和socketIO服務(wù)，下面只展示基本關(guān)鍵代碼：

from flask import Flask
from flask_socketio import SocketIO


# flask原始 app
web_app = Flask(__name__, static_folder=Config.STATIC_PATH)


# socketIO包裝app
socketio = SocketIO(web_app, cors_allowed_origins="*", logger=True)


# 可監(jiān)聽(tīng)連接和斷開(kāi)
@socketio.on('connect')
def handle_connect():
    print("connect")


@socketio.on('disconnect')
def handle_disconnect():
    print("disconnect")


# 本地啟動(dòng)app
if __name__ == '__main__':
    socketio.run(web_app, address, port, allow_unsafe_werkzeug=True)

在socketIO中調(diào)用emit(event, *args, **kwargs)方法即可給指定目標(biāo)(event，本項(xiàng)目對(duì)應(yīng)為user)發(fā)送消息。

我們通過(guò)function calling獲取到對(duì)應(yīng)插件時(shí)，如果是同步插件，則立即執(zhí)行對(duì)應(yīng)函數(shù)，如果是異步插件，應(yīng)該異步開(kāi)啟執(zhí)行對(duì)應(yīng)函數(shù)，并立馬結(jié)束當(dāng)前會(huì)話，等異步函數(shù)執(zhí)行完成后主動(dòng)發(fā)送消息給前端用戶，因此我們需要修改一下上面的插件代碼：

def main(user, question):
    """使用插件時(shí)回復(fù)文字"""
    ...代碼同上
    # 使用反射機(jī)制獲取插件對(duì)應(yīng)的函數(shù)對(duì)象
    func = getattr(Functions, plugin_name)
    # 判斷插件是否同步
    if plugin['sync']:
        # 同步的插件，直接調(diào)用函數(shù)
        res = func(**arguments)
    else:
        # 異步的插件，這里使用線程池示例執(zhí)行異步任務(wù)
        thread_pool = ThreadPool(3)
        
        # 定義回調(diào)函數(shù), 接收到結(jié)果后推送給前端
        def callback(result):
            # 推送給前端
            socketio.emit(user, f"任務(wù)結(jié)果為: {result}")


        # 異步調(diào)用
        res = thread_pool.apply_async(func, kwds=arguments, callback=callback)
    return res

四、 未來(lái)規(guī)劃

4.1 更多的插件

上述插件案例只是插件功能的冰山一角，通過(guò)該功能我們可以定義各種實(shí)用的插件，目前攜程信息安全部的大語(yǔ)言模型智能聊天機(jī)器人只是支持一些基本的插件，也歡迎大家給我們提出寶貴的建議，集思廣益，一起開(kāi)發(fā)出更多實(shí)用好用的插件。

4.2 每個(gè)用戶的自定義插件

目前的插件功能可以支持我們這些項(xiàng)目的開(kāi)發(fā)者實(shí)現(xiàn)自定義插件，這些插件也必須提前寫(xiě)入項(xiàng)目中，并不能支持終端用戶直接自定義自己的插件。后續(xù)我們會(huì)調(diào)研可行性方案，讓終端的用戶自己編寫(xiě)對(duì)應(yīng)的插件代碼，實(shí)現(xiàn)每個(gè)用戶都能定義自己的插件。