ChatGLM3-6B 功能原理解析

Published on:
Tags:

上次我们介绍了 ChatGLM3-6B 的部署，虽然我们的大语言模型（LLM）部署起来了，新功能也试用了，但问题很多的小明就要问了，这其中的实现原理是什么呢？到底是怎么实现的呢？那今天我们就再来介绍 ChatGLM3-6B 具体的功能原理，包括工具调用、代码解释器等。

添加自定义工具

在官方文档中，我们可以看到添加工具的说明：

可以通过在 tool_registry.py 中注册新的工具来增强模型的能力。只需要使用 @register_tool 装饰函数即可完成注册。对于工具声明，函数名称即为工具的名称，函数 docstring 即为工具的说明；对于工具的参数，使用 Annotated[typ: type, description: str, required: bool] 标注参数的类型、描述和是否必须。

我们来尝试添加一个上网查询工具，这里我们使用SerpApi来实现，SerpApi 是一个网络搜索 API，可以通过 API 来实现各种网络搜索，包括谷歌、百度、必应等。使用 SerpApi 首先需要在其官网注册一个账号，然后在个人设置中获取 API Key，这个 API Key 用于使用 SerpAPI 进行网络查询，再安装 SerpApi 的 python 库：pip install google-search-results，然后就可以编写工具代码了。

我们在tool_registry.py中添加一个web_search工具：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
@register_tool
def web_search(
    query: Annotated[str, 'The query text to be queried', True],
) -> str:
    """
    Search the result for input `query` from web
    """
    from serpapi import GoogleSearch

    search = GoogleSearch({
        "q": query,
        "gl": "cn",
        "location": "China",
        "output": "json",
        "api_key": "your serpapi api key"
      })

    try:
        query_result = search.get_dict()
        result = process_response(query_result)
        return result
    except:
        import traceback
        ret = "Error encountered while searching!\n" + traceback.format_exc()

在代码中，我们使用@register_tool标签注册工具，工具方法参数使用Anotated进行标注，然后再调用 SerpApi 的方法进行网络查询，其中的process_response方法是对查询结果进行解析，获取第一条查询结果提取内容并返回，具体实现可以参考 LangChain 的这个方法源码。

添加完代码后，我们重启下 WebUI 服务，试用下新增的工具，查看运行结果：

使用 API 接口进行工具调用

我们再来看如何在 API 接口中使用工具调用，在 API 请求参数messages的每个元素中，除了role和content外，还新增metadata和tools参数，metadata是具体工具名称，tools是可以用到的所有工具列表，其实 ChatGLM3 是参考了 ChatGPT 的Function Calling功能，这 2 个参数分别对应 Function Calling 的function_call和functions。

在初始请求中，我们需要传递tools参数，来告诉 LLM 有哪些工具可以使用，tools参数中每个元素有以下几个属性：

  • name：工具名称
  • description：工具描述
  • parameters：工具参数，包括参数的类型、参数的描述、是否必需（有 2 种格式，可以参考以下代码）
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
# 格式 1
tools = [
    {
        "name": "get_weather",
        "description": "Get the current weather for `city_name`",
        "parameters": [
            {
                "name": "city_name",
                "description": "The name of the city to be queried",
                "type": "str",
                "required": True
            }
        ]
    }
]
# 格式 2
tools = [
    {
        "name": "get_weather",
        "description": "Get the current weather for `city_name`",
        "parameters": {
            "type": "object",
            "properties": {
                "city_name": {
                    "description": "The name of the city to be queried"
                }
            },
            "required": ["city_name"]
        }
    }
]

然后我们通过 python 代码发起 API 请求调用，这里需要安装一下 OpenAI 的 python 库：pip install openai。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
import openai

# 设置 OpenAI 参数
openai.api_base = "http://localhost:7861/v1"
openai.api_key = "xxx"

system_info = {
    "role": "system",
    "content": "Answer the following questions as best as you can. You have access to the following tools:",
    "tools": tools,
}

messages = [
    system_info,
    {
        "role": "user",
        "content": "帮我查询北京的天气怎么样",
    }
]
response = openai.ChatCompletion.create(
    model="chatglm3",
    messages=messages,
    temperature=0,
    return_function_call=True
)
  • 代码中我们将 OpenAI 的 API 地址换成本地的 ChatGLM3 API 地址，因为是调用本地的 LLM，所以无需填写 OpenAI 的 api_key，这里就随便写个字符串即可
  • 填写 system 角色的提示词信息，需要将 tools 参数加进去
  • 填写 user 角色的信息，这里就正常填写 role 和 content 参数就行
  • 发起 ChatCompletion 请求，这里需要注意的是，需要将 model 设为chatglm3，同时加上 return_function_call 参数，设置为 true，这样才能让 LLM 去调用工具

将用户的初始请求发出去后，我们再来看如何进行工具调用：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
from json
from tool_register import dispatch_tool

function_call = json.loads(response.choices[0].message.content) # 这里返回`get_weather`工具的信息
tool_response = dispatch_tool(function_call["name"], function_call["parameters"])

messages = response.choices[0].history  # 获取历史对话信息
messages.append(
    {
        "role": "observation",
        "content": tool_response,  # 调用函数返回结果
    }
)

response = openai.ChatCompletion.create(
    model="chatglm3",
    messages=messages,
    temperature=0,
)
print(response.choices[0].message.content)
  • LLM 根据用户的问题在工具集合中选择工具，这里选择了get_weather工具
  • 使用dispatch_tool方法执行工具，dispatch_tool方法实现的方式很多，使用函数式编程的方式可以很方便地实现该功能
  • 通过observation角色的对话信息将工具执行结果添加到历史对话中，相当将工具执行结果返回给 LLM
  • 再次发起 ChatCompletion 请求，让 LLM 生成最终答案，最后打印出 LLM 生成的最终结果

这就是使用 API 调用工具的方法，更多细节可以参考官方源码。

代码解释器

通过查看代码解释器的示例代码，发现其大概的流程是这样的：用户提出问题 -> LLM 生成代码 -> 提取生成的代码 -> 调用代码执行工具 -> 使用工具(Jupyter)执行代码 -> 提取(Jupyter)执行结果 -> 返回结果给用户。

ChatGLM3 在原有的 3 种角色（system、user、assistant）上增加了另外 3 个角色：observation、interpreter、tool：

1
2
3
4
5
6
7
8
9
10
11
12
# conversation.y
class Role(Enum):
    def __str__(self):
        match self:
            case Role.SYSTEM:
                return "<|system|>"
            case Role.USER:
                return "<|user|>"
            case Role.ASSISTANT | Role.TOOL | Role.INTERPRETER:
                return "<|assistant|>"
            case Role.OBSERVATION:
                return "<|observation|>"

tool角色是工具调用，interpreter角色是代码解释器，observation角色是用来观察各种结果，包括 LLM 的输出、工具的返回结果、代码解释器的执行结果等。我们再来看下代码解释器具体的功能是如何实现的：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
case '<|observation|>':
    code = extract_code(output_text)
    print("Code:", code)

    display_text = output_text.split('interpreter')[-1].strip()
    append_conversation(Conversation(
        Role.INTERPRETER,
        postprocess_text(display_text),
    ), history, markdown_placeholder)
    message_placeholder = placeholder.chat_message(name="observation", avatar="user")
    markdown_placeholder = message_placeholder.empty()
    output_text = ''

    with markdown_placeholder:
        with st.spinner('Executing code...'):
            try:
                res_type, res = execute(code, get_kernel())
            except Exception as e:
                st.error(f'Error when executing code: {e}')
                return
    print("Received:", res_type, res)

    if res_type == 'text' and len(res) > TRUNCATE_LENGTH:
        res = res[:TRUNCATE_LENGTH] + ' [TRUNCATED]'

    append_conversation(Conversation(
        Role.OBSERVATION,
        '[Image]' if res_type == 'image' else postprocess_text(res),
        tool=None,
        image=res if res_type == 'image' else None,
    ), history, markdown_placeholder)
    message_placeholder = placeholder.chat_message(name="assistant", avatar="assistant")
    markdown_placeholder = message_placeholder.empty()
    output_text = ''
    break
  • 从 LLM 的输出中通过extract_code方法提取代码，一般在 markdown 格式的文档中提取
  • 再增加一个interpreter角色的对话记录，将代码显示在页面上
  • 执行代码并获取执行结果，增加一个observation角色的对话记录，将执行结果返回给 LLM，LLM 再根据结果生成最终的答案，并将最终答案显示在页面上

下面是提取代码的功能，通过正则解析将 markdown 中的代码提取出来：

1
2
3
4
def extract_code(text: str) -> str:
    pattern = r'```([^\n]*)\n(.*?)```'
    matches = re.findall(pattern, text, re.DOTALL)
    return matches[-1][1]

更多的细节可以参考官网综合 Demo 的源码，如果在测试过程中遇到问题，也可以根据源码排查原因。

总结

其实 ChatGPT 之前就已经实现了工具调用和代码解释器的功能，但因为它是闭源的，我们无法窥视其中的原理，但 ChatGLM3 在开源产品的基础上实现了这些功能，让我们可以更好地理解其中的原理，也可以根据自己的需求进行二次开发，这也是开源的魅力所在。因研究的时间有限，文中难免有所疏漏，如果文中有不正确的地方，希望在评论区留言讨论。

关注我，一起学习各种人工智能和 AIGC 新技术，欢迎交流，如果你有什么想问想说的，欢迎在评论区留言。

赞赏

如果文章对您有所帮助，可以捐赠我喝杯咖啡😌，捐赠方式：

BTC 地址：3LYgSyf7ddMALwGWPQr3PY4wzjsTDdg1oV
ETH 地址：0x0C9b27c89A61aadb0aEC24CA8949910Cbf77Aa73
qrcode

文章已同步更新公众号，欢迎关注

qrcode

Comments