Assistants介绍

随着OpenAI将Assistants助手API对外发布，我们搭建个人知识库变的如此简单。开发者将自己的应用通过Assistants API与OpenAI对接，就可以让每一位客户拥有不一般体验的个人知识库。由于Assistants相关API有30+，本文只列举完成一个最小功能闭环涉及的接口。关于Assistants的介绍，这里借用官网的一张图说明

Assistants Demo开发

以下只是介绍下如何开发一个简单的助手Demo，针对每个步骤有详细说明，感兴趣的朋友可以参考自行实现客户端。展示下这个简单的demo示例

• 1.上传知识文件(File)，需要注意purpose参数需要设置为assistants，表示该文件用于助手。目前OpenAI官方要求单个文件不能超过512M。支持txt、pdf、docx、pptx、xlsx、csv、xml、json、java、c、python常见文件格式，并要求编码格式为utf-8、utf-16、ascii其中的一种，详情请查询官网助手关于支持的文件类型的描述

curl --location --request POST 'https://gateway.ai.cloudflare.com/v1/2a2*****************60/******/openai/files' \
--header 'Authorization: Bearer sk-123' \
--form 'purpose="assistants"' \
--form 'file=@"C:\\Users\\admin\\Desktop\\三国演义（白话文版）.txt"'

• 2.创建助手(Assistants)，创建助手时需要指定助手名称、提示词、设置需要使用的工具、关联的文件(目前每个助手限制最多20个文件，且单个文件不能超过2000000 tokens，如果文件比较多，建议合并后上传)、以及使用的模型(本文选择gpt-4-1106-preview)。本次示例中助手只开启了工具中的检索(Retrieval)功能，代码解释器(Code interpreter)和函数(Functions)未用到，后面有机会再聊。

curl --location --request POST 'https://gateway.ai.cloudflare.com/v1/2a26****************d560/*****/openai/assistants' \
--header 'Authorization: {{secretKey}}' \
--header 'OpenAI-Beta: assistants=v1' \
--header 'Content-Type: application/json' \
--data-raw '{
    "instructions": "您将担任XY的高级内容分析师。XY是一位在小说创作领域具有丰富经验的文学家。你的任务是基于XY上传的小说，回答用户问题，并提供深入见解。任务说明：1.当用户提问时，仔细分析问题并基于XY上传的小说给出回答;2.如果回答来自于上传的小说，请提供小说的文件名称;3.如果上传的小说中没有能回答用户问题的参考内容，请直接回答\"我不知道\"。",
    "name": "内容分析师",
    "tools": [
        {
            "type": "retrieval"
        }
    ],
    "file_ids": [
        "file-0CocxG465dfsIUd4MKx0O8iG"
    ],
    "model": "gpt-4-1106-preview"
}'

• 3.创建线程(Thread)，您可以将线程理解为用户与助手对话的上下文，它会记录用户与助手相互发送的message。

curl --location --request POST 'https://gateway.ai.cloudflare.com/v1/2a26**************d560/*****/openai/threads' \
--header 'Authorization: {{secretKey}}' \
--header 'OpenAI-Beta: assistants=v1' \
--header 'Content-Type: application/json' \
--data-raw ''

• 4.向助手发送信息(send message)，线程创建好之后，意味着当前用户与助手对话的上下文已经建立完毕，用户可以想助手发送消息了。由于线程会管理用户与助手之间相互发送的message，所以每次用户向助手发送消息时，只需要发送最新的message，而不必携带用户发送的历史消息，这样逻辑更简单，也节省tokens。

curl --location --request POST 'https://gateway.ai.cloudflare.com/v1/2a2*******************d560/******/openai/threads/thread_mAO9Gqfg4fdfgBVoMxOLXn/messages' \
--header 'OpenAI-Beta: assistants=v1' \
--header 'Authorization: {{secretKey}}' \
--header 'Content-Type: application/json' \
--data-raw '{
    "role": "user",
    "content": "你知道赤壁之战吗？"
}'

• 5.执行人机交互(Run)，消息发送完毕，是时候让助手干活了。关于Run的执行，里面细节比较多，后面有机会聊。

curl --location --request POST 'https://gateway.ai.cloudflare.com/v1/2a265********************560/*****/openai/threads/thread_mAO9GqdfgdsfgerVoMxOLXn/runs' \
--header 'Authorization: {{secretKey}}' \
--header 'OpenAI-Beta: assistants=v1' \
--header 'Content-Type: application/json' \
--data-raw '{
    "assistant_id": "asst_F4fnsdfgds42w9yJr2vZieb"
}'

• 6.查询指定线程(Thread)下特定人机交互(Run)的执行状态(status)。人机交互(Run)任务提交后，我们需要实时关注任务执行状态，status状态包括：queued、 in_progress、requires_action、cancelling、cancelled、failed、completed、expired。为了使Run状态是最新的，你需要定时轮询Run对象获取最新的状态。需要注意的是，如果Run处于completed状态，标识当前人机交互(Run)已经执行完成，可以调用消息接口查询助手返回的内容了。

curl --location --request GET 'https://gateway.ai.cloudflare.com/v1/2a26*******************d560/*****/openai/threads/thread_mAO9Gqmh4356fd7KBVoMxOLXn/runs/run_Nkx07ebg55LmUyJgx9' \
--header 'Authorization: {{secretKey}}' \
--header 'OpenAI-Beta: assistants=v1' \

• 7.查询指定线程(Thread)的消息列表，返回的消息列表默认按时间降序排列，limit最大支持100。需要说明的是：Thread中可以存储的message数量没有限制，但是一旦message的大小超过模型的上下文窗口限制，Thread将尝试包含尽可能多的适合上下文窗口的message并删除最旧的message。

curl --location --request GET 'https://gateway.ai.cloudflare.com/v1/2a2*********************d560/******/openai/threads/thread_mAO9Gqm456fdYo7KBVoMxOLXn/messages?limit=20' \
--header 'OpenAI-Beta: assistants=v1' \
--header 'Authorization: {{secretKey}}' \

• 8.重复步骤4、5、6、7，即可实现用户与助手的多轮对话。本文中只介绍了接口调用的时序，至于具体实现有兴趣的自己实现客户端，这里就不提供了。