使用 Relevance AI 构建无代码 GPT 自定义操作

GPT 自定义操作是指内置于某些版本的生成式预训练转换器 （GPT） 中的专用功能，例如我所基于的 GPT-4。这些操作允许 GPT 模型执行标准文本生成以外的任务。它们本质上是提供附加功能的扩展或插件，使模型能够与特定工具交互或执行基本文本生成框架无法完成的独特任务。自定义操作的示例包括：

• 代码执行：这允许模型在受控环境中运行 Python 代码。它对于执行计算、生成绘图和处理数据非常有用，而基础模型无法仅通过文本生成来做到这一点。
• 图像生成：一些 GPT 模型可以从文本描述生成图像。这是使用专门为图像生成训练的单独但集成的 AI 模型完成的。
• 浏览器工具：这是一个工具，允许模型执行 Web 搜索、查看搜索结果以及从这些结果中引用信息。它是一种受控且有限的互联网访问形式，使模型能够在没有直接浏览功能的情况下提取最新信息。
• 文件处理：在某些情况下，GPT 模型可以在受控环境中读取和写入文件。这可用于分析文本文档、修改文件或保存模型输出等任务。

这些自定义操作增强了 GPT 模型的实用性，使它们更加通用，能够处理更广泛的任务。它们在集成的同时保持了人工智能系统固有的安全和道德考虑，并有限制以确保负责任的使用。

如何在没有任何编码知识的情况下编写 GPT 自定义操作

使用Zapier、Make（前身为Integromat）和Relevance AI等无代码平台确实可以促进为可能没有广泛编码专业知识的用户创建自定义操作或与GPT模型（如ChatGPT）的集成。每个平台都提供独特的特性和功能：

• Zapier 和 Make：这些是自动化平台，允许用户在不编写代码的情况下连接各种应用程序和服务。他们使用一系列触发器和操作来自动化工作流程。通过将 GPT 模型集成到 Zapier 或 Make 中，您可以创建自动化工作流程，包括 AI 驱动的分析、内容生成或决策。但是，集成的深度和可实现的操作的复杂性在一定程度上受到这些平台中可用的预定义触发器和操作的限制。
• 相关性 AI：这个平台似乎是专门为集成 GPT 等大型语言模型量身定制的。它为此类集成提供了一个更集中、更高级的环境，其功能支持创建和部署 AI 链。这可以包括一系列 AI 驱动的任务或流程，有效地利用 GPT 模型的功能。高级自定义选项以及与多个 AI 提供商的兼容性使其成为一个潜在的强大工具，无需深厚的编程知识即可创建复杂的 AI 增强应用程序。

这些平台，尤其是像 Relevance AI 这样专为 AI 集成而设计的平台，可以显着简化将基于 GPT 的模型部署到各种应用程序的过程。它们可以将这些模型快速转换为创新的产品功能，使更广泛的用户和开发人员更容易使用 AI。

然而，需要注意的是，虽然无代码平台大大减少了对传统编码的需求，但它们可能仍然需要对工作流程的逻辑和结构有很好的理解，以及对正在集成的 GPT 模型的功能和局限性的理解。此外，对于高度专业化或复杂的自定义操作，可能仍需要一定程度的编码或技术专业知识。