3 月 23 日，OpenAI 又投出了一枚重磅炸彈：為 ChatGPT 推出外掛系統！
此舉意味著 ChatGPT 將迎來“APP Store”時刻，也就是圍繞它的能力，形成一個開發者生態，打造出基於 AI 的“作業系統”！
外掛系統將為 ChatGPT 帶來質的飛躍，因為藉助於外掛服務，它可以獲取實時的網際網路資訊、呼叫第三方應用（預定酒店航班、點外賣、購物、查詢股票價格等等）。
ChatGPT 是一個無比聰明的大腦，而外掛會成為它的眼睛、耳朵、手腳、甚至於翅膀，能力驚人，未來不敢想象！
官方目前提供了兩個外掛：
- 一個網頁瀏覽器。利用新必應瀏覽器的 API，實時搜尋網際網路內容，並給出答案和連結
- 一個程式碼直譯器。利用 Python 直譯器，可以解決數學問題、做資料分析與視覺化、編輯圖片、剪輯影片等等，還支援下載處理後的檔案
另外，OpenAI 還開源了一個知識庫檢索外掛 chatgpt-retrieval-plugin ，這個外掛透過自然語言從各種資料來源（如檔案、筆記、郵件和公共文件）檢索資訊。有了開原始碼後，開發者可以部署自己的外掛版本。
想象一下，假如我提供了一個“Python 知識庫外掛”，以所有官方文件作為資料來源，那以後有任何 Python 使用上的問題，我就只需詢問 ChatGPT，然後它呼叫外掛並解析資料，最後返回給我準確的答案。這將節省大量的時間！
不僅如此，你還可以用書籍作為資料來源，打造出“西遊記知識庫”、“紅樓夢知識庫”、“百科全書知識庫”、“個人圖書館知識庫”，等等；以專業領域的論文與學術期刊為資料來源，創造出一個專家助手，從此寫論文查資料將無比輕鬆；以蘇格拉底、賈伯斯、馬斯克等名人的資料為資料來源，創造出人格化的個人顧問……
作為第一個開源的 ChatGPT 外掛，chatgpt-retrieval-plugin 專案一經發布，就登上 Github 趨勢榜第一，釋出僅一週就獲得 11K stars。
這個專案完全是用 Python 寫的，不管是出於學習程式設計的目的，還是為了將來開發別的外掛作借鑑，這都值得我們花時間好好研究一下。
接下來，我將分享自己在閱讀專案文件和原始碼時，收穫到的一些資訊。
首先，該專案含 Python 程式碼約 3 K，規模不算大。專案結構也很清晰，目錄如下：
| 目錄 | 描述 |
|---|---|
datastore |
包含使用各種向量資料庫提供程式儲存和查詢文件嵌入的核心邏輯 |
examples |
包括配置示例、身份驗證方法和麵向程式提供方的示例 |
models |
包含外掛使用的資料模型，例如文件和後設資料模型 |
scripts |
存放實用的指令碼，用於處理和上傳來自不同資料來源的檔案 |
server |
存放主要的 FastAPI 服務端實現 |
services |
包含用於任務（如分塊、後設資料提取和 PII 檢測）的實用服務 |
tests |
包括各種向量資料庫提供程式的整合測試 |
.well-known |
儲存外掛清單檔案和 OpenAPI 格式，定義外掛配置和 API 規範等資訊 |
除去示例、測試、配置檔案等內容外，最主要的三個目錄如下：
datastore 資料儲存
資料來源的文字資料會被對映到低維度向量空間，然後儲存到向量資料庫中。官方已提供 Pinecone、Weaviate、Zilliz、Milvus、Qdrant、Redis 這幾種資料儲存方案的示例。另外，有幾個 pull requests 想要加入 PostgreSQL 的支援，大機率將來會合入。
這裡使用了抽象工廠設計模式 ，DataStore 是一個抽象類，每種資料儲存庫是具體的實現類，需要實現三個抽象方法：
（1）_upsert(chunks: Dict[str, List[DocumentChunk]]) -> List[str] 方法，接收一個字典引數，包含有 DocumentChunk 物件列表，將它們插入到資料庫中。返回值為文件 ID 的列表。
（2）_query(queries: List[QueryWithEmbedding]) -> List[QueryResult] 方法，接收一個列表引數，包含被 embedding 的查詢文字。返回一個包含匹配文件塊和分數的查詢結果列表。
（3）delete(ids: Optional[List[str]] = None, filter: Optional[DocumentMetadataFilter] = None, delete_all: Optional[bool] = None, ) -> bool 方法，根據 id 和其它過濾條件刪除，或者全部刪除。返回操作是否成功。
值得注意的是，該目錄下的factory.py 模組使用了 Python 3.10 新引入的 match-case 語法，緊跟著 Python 社群的新潮流呢~
server 服務端介面
這個目錄只有一個main.py 檔案，是整個專案的啟動入口。它使用了目前主流的 FastAPI 框架，提供了增刪改查的幾個 API，另外使用 uvicorn 模組來啟動服務。
/upsert-file介面，用於上傳單個檔案，將其轉換為 Document 物件，再進行新增或更新/upsert介面，上傳一系列的文件物件，用於新增或更新/query介面，傳入一系列的文字條件，轉成 QueryWithEmbedding 物件後，再從向量資料庫查詢/delete介面，根據條件刪除或者全部刪除資料庫中的資料
在這幾個介面中，增改刪功能主要是給開發者/維護者使用的，ChatGPT 只需呼叫外掛的查詢介面。因此，程式碼中還建立了一個“/sub”子應用，只包含/query 介面，提供給 ChatGPT 呼叫。
另外，它使用 FastAPI 的 mount 方法掛載了一個“/.well-known”靜態檔案目錄，暴露了關於本外掛的基本資訊，例如名稱、描述、作者、logo、郵箱、提供給 OpenAPI 的介面文件等等。
services 任務處理方法
這個目錄下是一些通用的函式，比如下面這些：
（1）chunks.py 檔案包含了將字串和 Document 物件分割成小塊、以及為每個塊獲取嵌入向量的函式。
（2）file.py 檔案提供了從上傳的檔案中提取文字內容及後設資料的函式。目前支援解析的檔案型別包括 PDF、純文字、Markdown、Word、CSV 和 PPTX。
（3）openai.py 檔案包含兩個函式：get_embeddings 函式使用 OpenAI 的 text-embedding-ada-002 模型對給定的文字進行嵌入。get_chat_completion 函式使用 OpenAI 的 ChatCompletion API 生成對話。
整個而言，這個外掛的幾個介面功能很清晰，程式碼邏輯也不算複雜。核心的文字嵌入操作是藉助於 openai 的 Embedding 介面，文字分塊資訊的儲存及查詢操作，則是依賴於各家向量資料庫的功能。
YouTube 上有博主手畫了一張示意圖，字型雖潦草，但大家可以意會一下：
他這個影片 值得推薦一看，因為 up 主不僅簡明地介紹了外掛的工作原理，還手把手演示如何部署到 Digital Ocean、如何修改配置、如何除錯，而且他有 ChatGPT 的外掛許可權，可以將自己部署的外掛接入 ChatGPT，現場演示了知識庫外掛的使用！
目前，關於 ChatGPT 外掛的介紹、開發及配置等資料還比較少，畢竟是新推出的。但是，申請 waitlist 的個人和組織已經數不勝數了，一旦開放使用，各式各樣的外掛一定會像 Python 社群豐富的開源庫一樣，也將極大擴充套件 ChatGPT 的生態。
最後，外掛 chatgpt-retrieval-plugin 的官方文件是最為詳細的一手資料，推薦大家研究一番。