Curso del API de OpenAI (GPT)

En este vídeo te explicamos objetivos, enfoque y contenidos que verás a lo largo del curso.

Entender las capacidades de los modelos de Inteligencia Artificial ofrecidos por OpenAI, que puedes usar a través de su API. Cómo hacer un cálculo de los costes que podría suponer el uso de la IA dependiendo de la aplicación que nosotros pensemos desarrollar.

Cómo crear nuestro primer proyecto y una API key (la llave del API que necesitamos para poder usar los servicios de OpenAI API Platform).

El API de OpenAI es una herramienta que requiere el pago por uso. Sin embargo, para probar el API dispones de un modelo que está liberado con una cuota inicial de uso gratis. Te explicamos los detalles para que no te cause confusión.

Desarrollamos un ejemplo básico para conseguir nuestra primera respuesta del modelo de GPT a una sencilla pregunta.

Cómo gestionar las variables de entorno en NodeJS para poder almacenar las llaves de API en el proyecto. Este es un paso necesario para poder usar un API Key específico para cada proyecto.

Explicamos qué es Responses API y Chat Completions, para que podamos entender las dos maneras de trabajar con esta plataforma de IA. Cómo probar distintos tipos de tareas en el playground de API Platform.

Cómo entregar input con roles distintos. Qué indica cada tipo de rol y en qué casos usarlos. Estudio de otras alternativas de configuración del objeto de solicitud al API de OpenAI.

Cómo usar imágenes para que GPT las analice y nos proporcione salida en base a las imágenes entregadas.

Vamos a introducir la necesidad de usar datos estructurados mediante un ejemplo en el que pretendemos obtener datos con los que deseamos completar una base de datos.

Ahora veremos cómo los datos estructurados nos facilitan la creación de salidas con un formato específico, que podremos usar de una manera consistente y segura en nuestras aplicaciones.

Vemos cómo trabajar con entradas basadas en archivos, que enviamos transformados a base 64.

Ahora vamos a hacer un ejemplo en el que subamos los archivos binarios directamente usando el API de Files.

En este vídeo veremos cómo podemos mantener el contexto de una conversación para que las sucesivas conversaciones sepan de lo que venimos hablando y no tengamos que repetir los mismos input una y otra vez, o podamos solicitar mejoras o variaciones sobre una solución ya entregada.

Comenzamos viendo cómo podemos hacer la traducción simple de un solo producto, indicando cómo queremos que nos proporcione la salida mediante el uso de datos estructurados.

En este vídeo avanzaremos para conseguir que la traducción de nuestros productos para el e-commerce se realice para cada uno de los elementos por separado, usando el API de OpenAI y los datos estructurados definidos en el anterior vídeo.

En este video vamos a hacer una práctica sobre cómo mantener el estado de las conversaciones, pidiendo que nos traduzca el producto a dos idiomas distintos en dos entradas de datos independientes.

OpenAI API Platform ofrece una funcionalidad llamada Batch API que nos permite realizar una entrada de datos en lote, de modo que puedas enviar de una sola vez todos los productos que necesites traducir, reduciendo la entrada de datos y ahorrando un 50% de la cuota de uso del API. Veremos cómo componer el lote de acciones con JSONL.

El proceso de Batch API requiere de varios pasos, desde la subida del archivo que define el lote que se debe procesar, esperar a que el proceso se complete y luego la descarga de la respuesta. Veremos cómo realizar estas acciones para poder obtener las traducciones de todos los productos de una sola vez.

Vamos a pedirle al modelo de IA que nos ofrezca datos estructurados sobre el ticket de soporte.

En este vídeo vamos a solicitarle a la IA que nos genere una respuesta prefabricada para darle al usuario. Además definiremos algunas informaciones básicas para definir el tono de la respuesta, acorde con las costumbres de la empresa.

Cómo generar salida mediante la funcionalidad de "function calling" de OpenAI, lo que nos permite que la IA sugiera invocar funciones de nuestro backend, las cuales podrán realizar acciones y, posteriormente, entregar una salida mediante la cual pueda completar los procesos. De este modo, podremos solicitar automáticamente acciones específicas ofrecidas por nuestro backend en función del contenido de los tickets.

En este vídeo nos centramos ya en la práctica concreta de nuestro ejemplo, explicando cómo va a ser ahora el proceso de atención de un ticket y en qué momento entra Function Calling, además de cómo debemos realimentar la gestión del ticket con las respuestas de las tool que hayamos podido ejecutar.

Cómo generar las tools para implementar la funcionalidad de "function calling" de OpenAI, lo que nos permite que la IA sugiera invocar funciones de nuestro backend, las cuales podrán realizar acciones y, posteriormente, entregar una salida mediante la cual pueda completar los procesos. Veremos en este vídeo cómo se traduce en código la solicitud automática de acciones específicas ofrecidas por nuestro backend en función del contenido de los tickets.

Cómo realimentar el proceso de clasificación y generación de los datos del ticket con Inteligencia Artificial a partir de las respuestas producidas por las funciones ejecutadas en nuestro backend definidas en las tools de Function Calling.

Veremos cómo dar los primeros pasos con el API de OpenAI, que te permite usar los mismos modelos de IA de chatGPT en tus propios desarrollos.

Para reforzar todo lo aprendido en los pasos anteriores de este taller vamos a ver cómo implementar una nueva function calling para producir una automatización en nuestro backend gracias a la participación de la IA. En este caso veremos cómo GPT será capaz de enviar un email automáticamente al usuario gracias a una tool que le vamos a poner a su disposición.