Chuyển đến nội dung chính

Hướng dẫn Gọi Hàm với GPT-4.5: Trích Xuất Giá Cổ Phiếu và Tin Tức bằng AI

Xây dựng hệ thống AI gọi đa hàm để trích xuất giá cổ phiếu và tin tức bằng mô hình tiên tiến nhất của OpenAI.
· 12 phút đọc

Khám phá cùng AI

Các mô hình ngôn ngữ lớn (LLM) thường gặp khó khăn khi tạo đầu ra có cấu trúc ổn định, chẳng hạn như JSON, ngay cả khi đã sử dụng các kỹ thuật nhắc nâng cao. Dù nhắc nâng cao có thể cải thiện kết quả, nó vẫn không tuyệt đối—lỗi có thể xuất hiện trong quá trình thử nghiệm, dẫn đến những lần thất bại rải rác. Vậy làm thế nào để bạn đảm bảo đầu ra có cấu trúc luôn chính xác và đáng tin cậy?

Gọi hàm (Function calling) trong LLM đề cập đến khả năng của các mô hình này tạo phản hồi dữ liệu có cấu trúc, thường ở dạng đối tượng JSON. Tính năng này cho phép LLM vượt ra ngoài việc tạo văn bản thuần tuý để tương tác với các hệ thống, API và công cụ bên ngoài. Bằng cách tận dụng gọi hàm, LLM có thể thực hiện các tác vụ phức tạp hơn, theo ngữ cảnh, đồng thời vẫn giữ đúng cấu trúc và độ chính xác yêu cầu.

Trong hướng dẫn này, chúng ta sẽ học cách sử dụng GPT-4.5, mô hình chính xác và giàu tính thực chứng nhất, để tạo một script gọi hàm. Trước tiên, chúng ta sẽ triển khai một hàm để trích xuất giá cổ phiếu từ internet. Sau đó, sẽ bổ sung thêm một hàm khác, cho phép LLM lựa chọn giữa nhiều công cụ và chọn công cụ phù hợp nhất dựa trên lời nhắc của người dùng.

Kết thúc hướng dẫn, bạn sẽ biết cách xây dựng ứng dụng thông minh của riêng mình có thể cung cấp giá cổ phiếu cho bất kỳ công ty nào và đồng thời trả về nguồn tin tức.

Hình ảnh từ tác giả

Khả năng Gọi Hàm của GPT-4.5

GPT-4.5, mô hình mới nhất từ OpenAI, giới thiệu nhiều tính năng nâng cao, bao gồm khả năng gọi hàm được cải thiện. Những khả năng này được thiết kế để nâng cao năng lực của mô hình trong việc tương tác với các hệ thống bên ngoài và thực hiện các tác vụ phức tạp bằng cách gọi các hàm cụ thể dựa trên đầu vào của người dùng.

Nguồn: Model - OpenAI API

Dưới đây là các tính năng chính của Gọi Hàm trong GPT-4.5:

1. Tích hợp với API

GPT-4.5 hỗ trợ gọi hàm thông qua Chat Completions API, Assistants API và Batch API. Điều này cho phép nhà phát triển tích hợp liền mạch mô hình vào ứng dụng của mình, giúp thực hiện các tác vụ như truy xuất dữ liệu, xử lý, và thậm chí thực thi lệnh trong môi trường phần mềm.

2. Đầu ra có cấu trúc

Mô hình có thể trả về đầu ra có cấu trúc, như JSON, điều này đặc biệt hữu ích cho nhà phát triển cần mô hình tương tác với các hệ thống hoặc công cụ yêu cầu định dạng dữ liệu cụ thể.

3. Khả năng thị giác

Dù GPT-4.5 không hỗ trợ đầu ra đa phương thức như giọng nói hoặc video, mô hình hỗ trợ khả năng thị giác thông qua đầu vào hình ảnh. Điều này cho phép mô hình xử lý và phân tích dữ liệu thị giác, có thể kết hợp với gọi hàm để thực hiện các tác vụ liên quan cả dữ liệu văn bản và hình ảnh.

4. Chức năng nâng cao

Tính năng gọi hàm trong GPT-4.5 được thiết kế để đơn giản hoá các quy trình phức tạp bằng cách cho phép mô hình gợi ý hoặc gọi các hàm viết trong mã của bạn. Điều này đặc biệt hữu ích để tự động hoá các tác vụ lặp lại hoặc tích hợp ra quyết định dựa trên AI vào các hệ thống phần mềm hiện có.

Khám phá mọi chi tiết về mô hình OpenAI mới bằng cách đọc bài blog GPT 4.5: Tính năng, Truy cập, So sánh với GPT-4o & hơn thế nữa.

Gọi Một Hàm với GPT-4.5

Giờ chúng ta sẽ xây dựng một hệ thống gọi hàm đơn giản sử dụng mô hình GPT-4.5 và thư viện Yahooquery. Thư viện Yahooquery sẽ giúp chúng ta trích xuất mọi dữ liệu liên quan đến cổ phiếu từ Yahoo Finance. 

Giải pháp của chúng ta cho phép người dùng đặt câu hỏi về giá cổ phiếu, kích hoạt một hàm cụ thể để truy xuất giá cổ phiếu từ internet và tạo phản hồi. Đơn giản là vậy. 

Chúng ta sẽ bắt đầu bằng cách cài đặt các thư viện openai và yahooquery bằng lệnh PIP.

!pip install openai yahooquery -q

Tạo một hàm lấy giá cổ phiếu  

Tạo một hàm Python nhận vào mã cổ phiếu (ví dụ: AAPL) và trả về giá của mã đó. Hàm sử dụng yahooquery ở backend để trích xuất dữ liệu liên quan.

from openai import OpenAI
import json
from yahooquery import Ticker

def get_stock_price(ticker):
    try:
        # Create a Ticker object for the provided ticker symbol
        t = Ticker(ticker)
        # Retrieve the price data
        price_data = t.price
        # Check if we received valid data for the ticker
        if ticker in price_data and price_data[ticker].get("regularMarketPrice") is not None:
            price = price_data[ticker]["regularMarketPrice"]
        else:
            return f"Price information for {ticker} is unavailable."
    except Exception as e:
        return f"Failed to retrieve data for {ticker}: {str(e)}"
    
    return f"{ticker} is currently trading at ${price:.2f}"

Định nghĩa công cụ bằng hàm

OpenAI client không hiểu hàm Python, vì vậy ta cần tạo một công cụ bằng danh sách các dictionary. Chúng ta phải cung cấp tên, mô tả và kiểu đầu ra cần thiết. 

Bất cứ khi nào hàm này được gọi, nó sẽ trích xuất mã cổ phiếu từ lời nhắc và trả về ở định dạng có cấu trúc.

tools = [{
    "type": "function",
    "function": {
        "name": "get_stock_price",
        "description": "Get current stock price for a provided ticker symbol from Yahoo Finance using the yahooquery Python library.",
        "parameters": {
            "type": "object",
            "properties": {
                "ticker": {"type": "string"}
            },
            "required": ["ticker"],
            "additionalProperties": False
        },
        "strict": True
    }
}]

Để mô hình tự quyết định có nên gọi hàm hay không

Hãy kiểm thử hàm OpenAI vừa tạo. Cung cấp cho chat completion thông điệp người dùng, tên mô hình và các công cụ.

client = OpenAI()

messages = [{"role": "user", "content": "What's the current price of Meta stock?"}]

completion = client.chat.completions.create(
    model="gpt-4.5-preview",
    messages=messages,
    tools=tools,
)

print(completion.choices[0].message.tool_calls)

Như ta thấy, GPT-4.5 đã gọi chính xác get_stock_price và trả về đúng mã cổ phiếu (META).

[ChatCompletionMessageToolCall(id='call_uVGbahRiMnn4AkOJYbv8gfIV', function=Function(arguments='{"ticker":"META"}', name='get_stock_price'), type='function')]

Thực thi hàm với mã cổ phiếu đã cung cấp

Giờ ta có thể truyền mã này vào hàm Python get_stock_price của chúng ta. 

tool_call = completion.choices[0].message.tool_calls[0]
args = json.loads(tool_call.function.arguments)

result = get_stock_price(args["ticker"])

print(result)

Kết quả là bạn nhận được một phản hồi bao gồm mã cổ phiếu và giá tương ứng.

META is currently trading at $640.00

Bạn có thể dừng ở đây, nhưng để cung cấp câu trả lời tự nhiên bằng ngôn ngữ đời thường, bạn cần chuyển tiếp kết quả lại cho chat completion.

Bổ sung lời gọi hàm và kết quả từ công cụ

Chúng ta sẽ nối thêm phản hồi sinh ra từ cuộc hội thoại trước đó và bao gồm cả lời gọi công cụ với ID công cụ và kết quả công cụ.

messages.append(completion.choices[0].message)  # Model's function call message
messages.append({
    "role": "tool",
    "tool_call_id": tool_call.id,
    "content": str(result)
})

Gửi cuộc hội thoại đã cập nhật trở lại mô hình

Chạy lại chat completion với thông điệp bao gồm nội dung lời gọi công cụ.

completion_2 = client.chat.completions.create(
    model="gpt-4.5-preview",
    messages=messages,
    tools=tools,
)

# The final model response incorporating the stock price information
print(completion_2.choices[0].message.content)

Như bạn thấy, chúng ta đã nhận được kết quả đúng. 

The current price of Meta stock (META) is $640.00.

Bạn có thể cho rằng đây là bước thừa, nhưng khi đầu ra phức tạp, bước này sẽ giúp bạn hiểu kết quả bằng tiếng Anh thuần thay vì ở định dạng JSON.

Nếu bạn còn bối rối về OpenAI API và muốn học thêm, hãy cân nhắc tham gia lộ trình nghề nghiệp OpenAI Fundamentals để học cách dùng OpenAI API cho việc nhắc mô hình GPT và Whisper của OpenAI.

Gọi Nhiều Hàm với GPT-4.5

Giờ chúng ta sẽ học cách thêm một hàm khác vào hệ thống AI để GPT-4.5 có thể tự động quyết định gọi hàm nào dựa trên lời nhắc của người dùng. Chúng ta thêm một hàm nguồn tin (feed) mới sẽ trả về 3 bài báo hàng đầu cùng liên kết cho mã cổ phiếu chỉ định. 

Bắt đầu bằng cách cài đặt thư viện feedparser bằng lệnh pip. Chúng ta sẽ dùng thư viện này để trích xuất tiêu đề cho mã cổ phiếu chỉ định.

!pip install feedparser -q

Định nghĩa hàm tin tức cổ phiếu

Tạo hàm Python get_stock_news nhận mã cổ phiếu làm đầu vào và trả về ba tiêu đề tin tức hàng đầu kèm liên kết.

import feedparser


def get_stock_news(ticker):
    # Construct the RSS feed URL for the given ticker.
    rss_url = f"https://feeds.finance.yahoo.com/rss/2.0/headline?s={ticker}&region=US&lang=en-US"
    try:
        feed = feedparser.parse(rss_url)
        if not feed.entries:
            return f"No news found for {ticker}."
        # Extract the top 3 news items (title and link)
        news_items = []
        for entry in feed.entries[:3]:
            title = entry.get("title", "No Title")
            link = entry.get("link", "No Link")
            news_items.append(f"{title} ({link})")
        news_str = "\n".join(news_items)
    except Exception as e:
        return f"Failed to retrieve news for {ticker}: {str(e)}"
    
    return f"Latest news for {ticker}:\n{news_str}"

get_stock_news("AAPL")

Chúng ta đã thu thập ba tiêu đề hàng đầu về Apple kèm liên kết phù hợp.

'Latest news for AAPL:\nNvidia AI Server Maker Hon Hai Posts 25% Jump in Two-Month Sales 
(https://finance.yahoo.com/news/nvidia-ai-server-maker-hon-075011863.html?.tsrc=rss)\nFoxconn says February revenue rose 56.43% y/y
(https://finance.yahoo.com/news/foxconn-says-february-revenue-rose-074433615.html?.tsrc=rss)\nApple Inc. (AAPL): Among the Best Stocks To Invest In According to Billionaires 
(https://finance.yahoo.com/news/apple-inc-aapl-among-best-051548210.html?.tsrc=rss)'

Định nghĩa nhiều công cụ cho giá và tin tức cổ phiếu

Giờ chúng ta cần thêm một hàm OpenAI khác tên get_stock_news với mô tả và đầu ra phù hợp.

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_stock_price",
            "description": "Get current stock price for a provided ticker symbol using yahooquery.",
            "parameters": {
                "type": "object",
                "properties": {
                    "ticker": {"type": "string"}
                },
                "required": ["ticker"],
                "additionalProperties": False
            },
            "strict": True
        }
    },
    {
        "type": "function",
        "function": {
            "name": "get_stock_news",
            "description": "Get the latest news for a provided ticker symbol by parsing the Yahoo Finance RSS feed using feedparser.",
            "parameters": {
                "type": "object",
                "properties": {
                    "ticker": {"type": "string"}
                },
                "required": ["ticker"],
                "additionalProperties": False
            },
            "strict": True
        }
    }
]

Để mô hình tự quyết định gọi một hoặc cả hai hàm

Hãy thử kiểm thử bằng cách hỏi GPT-4.5 về giá cổ phiếu Google và tin tức mới nhất về Google.

messages = [{
    "role": "user",
    "content": "What's the current price of Google stock and can you show me the latest news about it?"
}]


completion = client.chat.completions.create(
    model="gpt-4.5-preview",
    messages=messages,
    tools=tools,
)

completion.choices[0].message.tool_calls

Như ta thấy, mô hình đã gọi cả hai hàm cho giá cổ phiếu và tin tức mới nhất.

[ChatCompletionMessageToolCall(id='call_zfcRJ4EcIUUqHCcN8SErjeoi', function=Function(arguments='{"ticker": "GOOGL"}', name='get_stock_price'), type='function'),
 ChatCompletionMessageToolCall(id='call_jBv8TlSPOyFKcRWHwByxLMb4', function=Function(arguments='{"ticker": "GOOGL"}', name='get_stock_news'), type='function')]

Lưu kết quả lời gọi hàm

Vấn đề là cả hai hàm đều trả về mã cổ phiếu làm kết quả. Chúng ta cần viết câu lệnh if-else để xác định hàm nào được gọi. Chúng ta sẽ lưu kết quả của các hàm trong dictionary.

# The model returns function call requests.
tool_calls = completion.choices[0].message.tool_calls

# Execute each function call based on the tool the model requested
tool_results = {}
for tool_call in tool_calls:
    func_name = tool_call.function.name
    args = json.loads(tool_call.function.arguments)
    if func_name == "get_stock_price":
        tool_results["price"] = get_stock_price(args["ticker"])
    elif func_name == "get_stock_news":
        tool_results["news"] = get_stock_news(args["ticker"])

Bổ sung lời gọi hàm và kết quả công cụ

Bây giờ chúng ta sẽ nối thêm các kết quả đã tạo trước đó và kết quả hàm kèm ID công cụ. 

messages.append(completion.choices[0].message)  # Append the model's function call message

for tool_call in tool_calls:
    func_name = tool_call.function.name
    result_content = tool_results.get("price") if func_name == "get_stock_price" else tool_results.get("news")
    messages.append({
        "role": "tool",
        "tool_call_id": tool_call.id,
        "content": result_content
    })

Gửi cuộc hội thoại đã cập nhật trở lại mô hình

Khi chúng ta chuyển thông điệp kết quả cho GPT-4.5, mô hình đã tạo ra kết quả rất ấn tượng và hoàn toàn hợp lý.

from IPython.display import display, Markdown

completion_2 = client.chat.completions.create(
    model="gpt-4.5-preview",
    messages=messages,
    tools=tools,
)

# The final model response incorporates both stock price and news.
Markdown(completion_2.choices[0].message.content)

Chúng ta đã lấy được giá cổ phiếu Google và các liên kết tới tin tức hàng đầu về Google. 

Mã nguồn và đầu ra có sẵn trong DataLab Workspace. Tất cả những gì bạn cần làm là thêm khóa API OpenAI của riêng bạn vào biến môi trường, và bạn có thể tự chạy mọi thứ.

Kết luận

Chúng ta đã buộc các mô hình ngôn ngữ lớn tạo đầu ra có cấu trúc rồi chuyển tiếp sang API hoặc một hàm Python khác để thực thi tác vụ cụ thể. AI tiên tiến như GPT-4.5 có thể sử dụng nhiều dịch vụ hoặc API để tạo các phản hồi tích hợp cao. 

Trong tương lai, chúng ta sẽ dùng gọi hàm và agent để điều khiển mọi thứ xung quanh; chỉ cần gửi lệnh thoại cho AI của bạn, và nó sẽ gọi các công cụ cần thiết dựa trên lệnh và thực hiện thay đổi trong hệ thống.

Chúng ta đã có GPT-4.5, nhưng nhiều chuyên gia AI đang chờ đợi GPT-5, được kỳ vọng sẽ tiến gần hơn tới AGI. Bạn có thể tìm hiểu tất cả về mô hình sắp ra mắt bằng cách đọc bài blog Everything We Know About GPT-5 .

Abid Ali Awan

Tác giả

Abid Ali Awan

LinkedInTwitter

Là một nhà khoa học dữ liệu được chứng nhận, tôi đam mê tận dụng công nghệ tiên tiến để tạo ra các ứng dụng học máy đổi mới. Với nền tảng vững chắc về nhận dạng giọng nói, phân tích và báo cáo dữ liệu, MLOps, AI hội thoại và NLP, tôi đã rèn giũa kỹ năng phát triển các hệ thống thông minh có thể tạo ra tác động thực sự. Bên cạnh chuyên môn kỹ thuật, tôi cũng là một người truyền đạt tốt, có khả năng chắt lọc các khái niệm phức tạp thành ngôn ngữ rõ ràng, súc tích. Nhờ đó, tôi trở thành một blogger được nhiều người quan tâm trong lĩnh vực khoa học dữ liệu, chia sẻ góc nhìn và kinh nghiệm với cộng đồng các chuyên gia dữ liệu ngày càng lớn. Hiện tại, tôi tập trung vào sáng tạo và biên tập nội dung, làm việc với các mô hình ngôn ngữ lớn để phát triển nội dung mạnh mẽ và hấp dẫn, giúp doanh nghiệp và cá nhân tận dụng tối đa dữ liệu của mình.

Chủ đề

Trí tuệ Nhân tạoOpenAI

Liên quan

Xem thêm →