Typescript 之父(微软)在 7月 21 号发布了一个有趣的项目—— [Typechat](https://github.com/microsoft/TypeChat)。旨在使用 AI 来连接自然语言和应用的 Schema / API。说白话就是使用 Typescript 类型信息来约束 ChatGPT 输出内容的结构。
我们早已见证过 ChatGPT 的强大，如果想要对接到我们已有的软件系统，通常会要求它输出 JSON 这类形式化、结构化的数据。如果你调教过 ChatGPT 就会发现， 它的输出结果往往没那么靠谱。为了让它输出符合要求的内容，我们需要给出足够的上下文信息和示例，并且这个调教过程也比较玄学。
本文就来看看 Typechat 是如何让 ChatGPT 输出符合需求的内容
ChatGPT 的能力和缺陷
ChatGPT 看起来很擅长处理代码
扮演一个 linux 终端
扮演一个 Javascript 执行器
扮演 Typescript
这能说明 ChatGPT 的预训练集中包含了丰富的编程语言相关的内容。
连续对话和纠错机制
众所周知， ChatGPT 生成的内容存在一定的随机性和不稳定性，很难一步到位。读者们作为开发者我们经常使用它来生成代码，应该能够体会到。
这个问题怎么解决呢？大概有以下几个方向
- 可以和 ChatGPT 连续对话，引导它，反问它、纠正它
- 给 ChatGPT 提供更详细的上下文信息
- 使用一些对话的技巧：Chain of thought, 让 ChatGPT 学习推理的过程
- 模型微调。
最后是平常心，开放地对待， AI 不是无所不能的，我们可能用尽的所有技巧， 也可能无法令人满意的答案。
DSL 输出
如果我们想要让 AI 连接到其他生态，比如连接到软件系统、控制硬件设备、实现各种自动化流程，在现在这个阶段，我们需要让 ChatGPT 输出结构化的数据，比如 JSON、XML、或者其他常见的 DSL。
就像我们开头说的 “ Typechat 旨在使用 AI 来连接自然语言和应用的 Schema / API”, 结合上面的流程图理解，你应该就能体会到这句话的意思。AI 在这里就是一个连接者，让用户可以使用自然语言和我们的应用系统进行交互，AI 在这里的责任就是将自然语言翻译为我们应用系统能够处理的 DSL。
ChatGPT 已经具备这样的能力：
绘制 mermaid 流程图
输出 JSON
如果你要求输出更复杂的数据结构，则需要使用 Few-shot Prompt 等手段，在受限的 Token 范围内，给 ChatGPT足够的案例和上下文信息。
除此之外，OpenAI 官方在 613 版本的 GPT 3.5 和 4 带来了函数调用的能力(Function Calling), 可以帮助开发者通过 API 方式实现类似于 ChatGPT 插件的数据交互能力。让开发者可以使用 JSON Schema 来描述你的函数接口，GPT 会根据用户的输入，决定调用哪个函数，并组装符合 Schema 要求的 JSON 数据。
以下是 OpenAI 的官方示例：
代码语言：javascript复制
#
