手机网站开发是什么,戴尔网站建设的特点,做化妆品网站怎样,access做网站数据库最近opc 基金会将召开一个会议#xff0c;主题是”OPC UA meets IT“。由此可见#xff0c;工业自动化行业也开始研究和评估chatGPT带来的影响了。
本文谈谈本人对OPC UA 与chatGPT结合的初步实验和思考。
构建OPC UA 信息模型 chatGPT 的确非常强大了#xff0c;使用自然… 最近opc 基金会将召开一个会议主题是”OPC UA meets IT“。由此可见工业自动化行业也开始研究和评估chatGPT带来的影响了。
本文谈谈本人对OPC UA 与chatGPT结合的初步实验和思考。
构建OPC UA 信息模型 chatGPT 的确非常强大了使用自然语言描述一个设备的信息模型它能够直接生成该设备的OPC UA 信息模型并且以OPCUA nodeset2.xml 格式输出
代码 from openai import OpenAIclient OpenAI(api_keysk-xxxxxx,base_urlhttps://api.chatanywhere.tech/v1
)completion client.chat.completions.create(modelgpt-3.5-turbo,messages[{role: system, content: creat opc ua information model ,output modeset2 xml format},{role: user, content: typename motor ,attributes include current,voltage temperature,power data type float}],temperature0.3,
)print(completion.choices[0].message.content)
结果
runfile(E:/yao2024/python2024/chatgptSimple.py, wdirE:/yao2024/python2024)
xml
?xml version1.0 encodingUTF-8?
opc:Model xmlns:opchttp://opcfoundation.org/UA/2011/03/UANodeSet.xsd xmlns:xsihttp://www.w3.org/2001/XMLSchema-instanceopc:ObjectType NodeIdns1;i1001 BrowseNameMotorTypeopc:DisplayNameMotor/opc:DisplayNameopc:Referencesopc:Reference ReferenceTypeHasProperty IsForwardfalsei47/opc:Referenceopc:Reference ReferenceTypeHasProperty IsForwardfalsei48/opc:Referenceopc:Reference ReferenceTypeHasProperty IsForwardfalsei49/opc:Referenceopc:Reference ReferenceTypeHasProperty IsForwardfalsei50/opc:Reference/opc:References/opc:ObjectTypeopc:Variable NodeIdns1;i47 BrowseNameCurrent DataTypeFloatopc:DisplayNameCurrent/opc:DisplayName/opc:Variableopc:Variable NodeIdns1;i48 BrowseNameVoltage DataTypeFloatopc:DisplayNameVoltage/opc:DisplayName/opc:Variableopc:Variable NodeIdns1;i49 BrowseNameTemperature DataTypeFloatopc:DisplayNameTemperature/opc:DisplayName/opc:Variableopc:Variable NodeIdns1;i50 BrowseNamePower DataTypeFloatopc:DisplayNamePower/opc:DisplayName/opc:Variable
/opc:Model 酷吧关键是提示要写好。如何生成特定行业的DSL 语言还需要进一步研究。例如生产线的工艺流程编排。这将极大提升系统设计和维护的工作效率降低了工程成本。
生成结构化数据 下面的例子演示如何利用chatGPT按照JSON 模板构建结构化数据。
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-xxxxxxxx
os.environ[OPENAI_BASE_URL] https://api.chatanywhere.tech/v1
def get_template(productClass):#print(productClass)answer [{type: product type,brand: product brand,manufacture:product manufacture,color:color of prodcts,size:product size}]return json.dumps(answer)
def device_control(device_id):print(device_id)statusTrueanswer [{状态: status}]return json.dumps(answer)
def lang_chain_agent(text):llm ChatOpenAI(model_namegpt-3.5-turbo,base_urlhttps://api.chatanywhere.tech/v1)tools [Tool(name get_template,funcget_template,descriptionuse this tool when you need to get product model tempplate ,To use the tool, you must provide chinese product class,)]agent initialize_agent(tools,llm,agentzero-shot-react-description,agent_kwargsdict(suffixAnswer should be json. prompt.SUFFIX), verboseTrue,return_intermediate_stepsTrue)response agent({input: text})return response
lang_chain_agent(根据如下数据生成符合模型样板的json 产品数据 类型 足球 品牌 小少年 制造商 鹰派运动用品公司 颜色 红色 尺寸 12 英寸)
结果 Entering new AgentExecutor chain...
I need to use the get_template tool to generate the product model template for a football product.
Action: get_template
Action Input: 足球
Observation: [{type: product type, brand: product brand, manufacture: product manufacture, color: color of prodcts, size: product size}]
Thought:Now I can fill in the template with the provided data.
Final Answer: {type: 足球, brand: 小少年, manufacture: 鹰派运动用品公司, color: 红色, size: 12 英寸} Finished chain.
chatGPT 访问OPC UA 服务器 OPC UA是自动化行业广泛应用的工业标准我们设想可以在chatGPT Agent 中增加一个OPCUA Client 用它来获取现场设备的状态并且实现chatGPT对物理设备的控制。其架构如下
