Takip et

Büyük Dil Modelleri’nde Fonksiyon Çağırma: Python ile Adım Adım Rehber

Büyük Dil Modelleri’nde Fonksiyon Çağırma: Python ile Adım Adım Rehber

Büyük Dil Modelleri (LLM’ler), doğal dil işleme alanında çığır açan gelişmeler sağlamıştır. Ancak, LLM’lerin gerçek dünyadaki uygulamalarda tam potansiyellerini ortaya koyabilmeleri için, dış dünyayla etkileşim kurabilmeleri gerekmektedir. İşte bu noktada, fonksiyon çağırma devreye girer. Bu rehberde, Python kullanarak LLM’lerde fonksiyon çağırmayı adım adım inceleyeceğiz. Öncelikle, fonksiyon çağırmanın ne olduğunu ve neden önemli olduğunu daha iyi anlayalım.

Fonksiyon Çağırma Nedir ve Neden Önemlidir?

LLM’ler, verilen bir metin girdisine göre yanıtlar üretebilir. Ancak, bu yanıtlar genellikle sınırlıdır ve dış dünyadan veri almayı veya belirli görevleri yerine getirmeyi içermez. Fonksiyon çağırma, LLM’lere bu kısıtlamayı aşma olanağı tanır. Basitçe söylemek gerekirse, fonksiyon çağırma, LLM’nin Python gibi bir programlama dilinde yazılmış fonksiyonları çağırmasına olanak sağlar. Bu sayede, LLM, veri tabanlarından bilgi çekebilir, hava durumunu sorgulayabilir veya başka birçok işlemi gerçekleştirebilir. Sonuç olarak, LLM’lerin yetenekleri önemli ölçüde artar ve daha karmaşık görevler için kullanılabilir hale gelirler.

Örneğin, bir hava durumu raporu almak istediğinizde, LLM’nin API üzerinden hava durumu verilerini çekmesini sağlayabilirsiniz. Bu, basit bir metin tabanlı yanıt yerine, güncel ve doğru hava durumu bilgileriyle zenginleştirilmiş bir yanıt almanızı sağlar. Bu durum, LLM’lerin daha güçlü ve kullanışlı hale gelmesini sağlar. Ayrıca, LLM’lerin daha güvenilir ve doğru yanıtlar üretmelerine yardımcı olur. Dolayısıyla, fonksiyon çağırmanın önemi oldukça açıktır.

Python ile LLM Fonksiyon Çağırma: Adım Adım Uygulama

Şimdi, Python kullanarak LLM’lerde fonksiyon çağırmayı nasıl uygulayabileceğimize bakalım. Bu örnekte, OpenAI API’sini kullanacağız. Ancak, bu süreç diğer LLM sağlayıcıları için de benzer şekilde uygulanabilir. Öncelikle, gerekli kütüphaneleri import etmeliyiz:


import openai

Ardından, OpenAI API anahtarınızı ayarlamanız gerekir. Bu anahtarı OpenAI hesabınızdan alabilirsiniz. Güvenlik nedeniyle, anahtarınızı doğrudan kodunuza yazmamanızı ve çevre değişkenleri aracılığıyla kullanmanızı tavsiye ederim.


openai.api_key = "YOUR_API_KEY"

Şimdi, LLM’nin çağırabileceği bir fonksiyon tanımlayalım. Bu fonksiyon, hava durumunu kontrol etmek için örnek olarak kullanılacak ve OpenWeatherMap API’sini kullanacaktır. Bu API için bir anahtar almanız ve aşağıdaki kodda ilgili bölüme eklemeniz gerekecektir.


import requests

def get_weather(location):
    api_key = "YOUR_OPENWEATHERMAP_API_KEY" # OpenWeatherMap API anahtarınızı buraya ekleyin
    url = f"http://api.openweathermap.org/data/2.5/weather?q={location}&appid={api_key}&units=metric"
    response = requests.get(url)
    data = response.json()
    if response.status_code == 200:
        return f"Şehir: {data['name']}, Sıcaklık: {data['main']['temp']}°C"
    else:
        return "Hava durumu verileri alınamadı."

Son olarak, LLM’yi fonksiyonu çağırması için kullanabiliriz. Bu örnekte, OpenAI’nin gpt-3.5-turbo modelini kullanacağız:


response = openai.ChatCompletion.create(
  model="gpt-3.5-turbo-0301",
  messages=[
    {"role": "system", "content": "Sen bir hava durumu asistansısın.  Kullanıcı sana bir şehir adı verecek, sen de get_weather fonksiyonunu kullanarak o şehrin hava durumunu sorgulayıp geri döndüreceksin."},
    {"role": "user", "content": "Ankara'nın hava durumu nedir?"}
  ],
  functions=[
    {
      "name": "get_weather",
      "description": "Belirtilen konumun hava durumunu döndürür.",
      "parameters": {
        "type": "object",
        "properties": {
          "location": {
            "type": "string",
            "description": "Şehir adı (örneğin, Ankara)",
          },
        },
        "required": ["location"],
      },
    }
  ]
)

print(response)

Bu kod, LLM’nin get_weather fonksiyonunu çağırarak Ankara’nın hava durumunu almasını sağlar. Sonuç, konsolda görüntülenecektir. Bu örnek, LLM’lerin fonksiyon çağırma yeteneğinin gücünü göstermektedir. Bu sayede, LLM’lerin yetenekleri büyük ölçüde artırılmış olur.

Sonuç

Bu rehberde, Python kullanarak LLM’lerde fonksiyon çağırmayı adım adım inceledik. Fonksiyon çağırma, LLM’lerin gerçek dünyadaki uygulamalarında önemli bir rol oynar ve onların yeteneklerini önemli ölçüde genişletir. Bu tekniği kullanarak, LLM’lerinizin daha karmaşık görevleri yerine getirmesini ve daha etkileşimli uygulamalar oluşturmanızı sağlayabilirsiniz. Daha fazla bilgi için fatihsoysal.com adresini ziyaret edebilirsiniz.

Ayrıca, OpenAI ve OpenWeatherMap API dokümanlarını inceleyerek daha fazla bilgi edinebilirsiniz. OpenAI Fonksiyon Çağırma Dokümanları ve OpenWeatherMap API Dokümanları size yardımcı olacaktır.

#Etiketler: Büyük Dil Modelleri, LLM, Fonksiyon Çağırma, Python, OpenAI, OpenWeatherMap, API, Doğal Dil İşleme, Programlama, Yapay Zeka

Yorumlar
İçeriği beğendiniz mi? Bir tartışma başlatın veya görüşlerinizi paylaşın.
Yorum Yaz

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

E-posta Bülteni
Yazılım Topluluğuna Katılın
En son güncellemeleri, yaratıcı ipuçlarını ve özel kaynakları doğrudan e-posta kutunuza alın. Tasarım ve inovasyonun geleceğini birlikte keşfedelim.