让chatGPT控制物理设备

作为自动控制行业的工程师，我们也许最关心的是如何使chatGPT 控制物理设备。我发现许多人仍然停留在传统程序设计的思维阶段，比如让大模型编写一段PLC 代码，或者是生成一些信息模型。

其实大模型具备判断与思考的能力，AI 代理（Agent ）能够使用一些工具，直接地控制物理设备，而不需要将自然语言的命令转换成为传统的程序，再下载到控制器中执行。大模型控制方式是根据提示直接就将事情给办了。

当然，我们目前并不了解大模型控制设备的能力，可靠性和确定性的边界在哪里。但是这不影响我们探索的步伐。不了解它，你就无法得出答案。

我做了一些实验程序，大概的印象是AI agent 在实验室测试，仿真，系统状态监督等领域也许是十分方便的。至于能否应用与生产流程的编排，设备控制，如何保证Agent 能够正确地识别人类的提示，不会产生幻觉。保证它控制设备的确定性。这是进一步研究的课题。

程序-1

提问：“如果天黑了，请关掉客厅的灯”

结果：关掉灯，回答客厅的灯关掉了。

import json
import os
from langchain_openai import ChatOpenAI
from langchain.agents import initialize_agent, Tool
from langchain.agents.mrkl import prompt
os.environ['OPENAI_API_KEY'] ="sk-xxxxxxxxxx"
os.environ['OPENAI_BASE_URL'] ="https://api.chatanywhere.tech/v1"
def darkness(current_time):dark=Truedarkness_answer = [{"天黑": dark}]return json.dumps(darkness_answer)
def light_control(location):#print(location)status=Falseanswer = [{"灯光": status}]return json.dumps(answer)
def lang_chain_agent(text):llm = ChatOpenAI(model_name="gpt-3.5-turbo",base_url="https://api.chatanywhere.tech/v1")tools = [Tool(name = "darkness",func=darkness,description="判断现在是否天黑",),Tool(name = "light_control",func=light_control,description="将指定位置的灯关闭",)]agent = initialize_agent(tools,llm,agent="zero-shot-react-description",agent_kwargs=dict(suffix='Answer should be in chinese.' + prompt.SUFFIX), verbose=True,return_intermediate_steps=True)response = agent({"input": text})return response
lang_chain_agent("如果现在天黑了，请将客厅的灯关掉")

结果

runfile('E:/yao2024/python2024/untitled0.py', wdir='E:/yao2024/python2024')> Entering new AgentExecutor chain...
首先判断现在是否天黑了，然后关闭客厅的灯。
Action: darkness
Action Input: 无
Observation: [{"\u5929\u9ed1": true}]
Thought:现在已经天黑了，需要关闭客厅的灯。
Action: light_control
Action Input: 客厅
Observation: [{"\u706f\u5149": false}]
Thought:客厅的灯已经关闭了。
Final Answer: 客厅的灯已经关掉。> Finished chain.

例-2 控制设备调节温度

这一次我们要求大模型：

先获取 id=1 的设备状态，如果温度低于90度，就控制它on

程序

import json
import os
from langchain_openai import ChatOpenAI
from langchain.agents import initialize_agent, Tool
from langchain.agents.mrkl import prompt
os.environ['OPENAI_API_KEY'] ="sk-xxxxxxx"
os.environ['OPENAI_BASE_URL'] ="https://api.chatanywhere.tech/v1"
def get_device_status(id):print(id)temperature=80current=10answer = [{"temperature": temperature},{"current": current}]return json.dumps(answer)
def device_control(device_id):print(device_id)status=Trueanswer = [{"状态": status}]return json.dumps(answer)
def lang_chain_agent(text):llm = ChatOpenAI(model_name="gpt-3.5-turbo",base_url="https://api.chatanywhere.tech/v1")tools = [Tool(name = "get_device_status",func=get_device_status,description="use this tool when you need to get device status ,To use the tool, you must provide  device id",),Tool(name = "device_control",func=device_control,description="use this tool when you need to control device,to use the tool,inputs are multi parameters as ['device id'.'control']",)]agent = initialize_agent(tools,llm,agent="zero-shot-react-description",agent_kwargs=dict(suffix='Answer should be in chinese.' + prompt.SUFFIX), verbose=True,return_intermediate_steps=True)response = agent({"input": text})return response
lang_chain_agent("先获取 id=1 的设备状态，如果温度低于90度，就控制它on")

结果


runfile('E:/yao2024/python2024/langchainSystemControl.py', wdir='E:/yao2024/python2024')> Entering new AgentExecutor chain...
首先需要获取设备的状态，然后根据温度判断是否需要控制设备。
Action: get_device_status
Action Input: device id = 1device id = 1Observation: [{"temperature": 80}, {"current": 10}]
Thought:温度为80度，需要控制设备。
Action: device_control
Action Input: ['1', 'on']['1', 'on']Observation: [{"\u72b6\u6001": true}]
Thought:设备状态已经成功被控制，设备已经打开。
Final Answer: 设备已经被打开。> Finished chain.

我们看到了Agent 思考的过程

Thought:温度为80度，需要控制设备。

Agent Tools 中的描述非常重要，它对于大模型如何使用好工具非常关键。在第二个例子中。我描述的比较详细一点

use this tool when you need to get device status ,To use the tool, you must provide device id

交代了什么时候使用该工具，要提供什么参数。