本文深入介绍了微软最近发布的 TypeChat 项目，该项目允许开发者定义大语言模型返回的响应结构。通过分析源代码，探讨了 Prompt 的基本概念，为定制化开发互动式 AI Agent 提供便捷的解决方案。 文章着重介绍 TypeChat 的关键要素，例如集成不同的大语言模型、提高灵活性，并调整输出以适应特定场景，这对于在游戏中通过 AI Agent 实现多样交互至关重要。

在 TypeChat 中，先定义好 ChatGPT 的响应类型，即 Schema, 创建将自然语言请求翻译为特定类型的 JSON 对象的工具函数， 将函数列表和问题发送给GPT， GPT根据函数定义，返回要执行的函数名和参数， 不同于 Function calling， 它使用 Typescript 类型来作为 Schema，要求 ChatGPT 返回符合这个类型定义的数据。

因为最近开发一个基于GPT的AI AGENT的游戏，不同的人在地图通过不断的和chatGPT定义角色的NPC聊天交互，然后从NPC那里得到不同的反馈，得到不一样的体验，对于交互的部分，我觉得 tyeChat 就可以很好的交互上的格式问题。

本文对typeChat 其中比较重要的点进行分析：

1. 大模型对接的地方：目前只是支持了两种大模型，微软自己的Azure的和 OpenAI 的，比如还有很多的大模型如何接入的问题

2. 灵活性的拓展：比如说目前 typeChat 对于类型的定义过于严格，可能要耗费大量的token 以及对于不需要那么严格的场景，比如聊天，只需要有几个关键的key是对的就可以了如何优化

核心架构

核心就是对话，校验，修复型对话，得到想要的结构。

createJsonTranslator 函数是核心部分，它接受三个参数 model、schema 和 typeName，并返回一个包含几个方法和属性的对象 typeChat， 该对象用于将自然语言请求转换为指定类型的 JSON 对象。

• model：是用于将自然语言请求翻译为 JSON 的大语言模型，目前是支持微软自己的Azure 和 Openai的

• schema：是一个包含 JSON schema 的 TypeScript 源代码的字符串。

• typeName：是在 schema 中指定的目标 JSON 类型的名称。

返回的 typeChat 对象包含以下几个属性和方法：

• model：保存传入的语言模型。

• validator：通过调用 createJsonValidator 函数，使用传入的 schema 和 typeName 创建一个 JSON 校验器，并将其保存在 validator 属性中。

• attemptRepair：一个布尔值，表示在校验失败时是否尝试修复 JSON 对象。

• stripNulls：一个布尔值，表示是否从最终的 JSON 对象中剥离空值（null）属性。

• createRequestPrompt(request)：一个函数，用于创建用户请求的 Prompt ，包含 JSON schema 和用户请求的内容。

• createRepairPrompt(validationError)：一个函数，检验格式不对的话，修复性的 Prompt ，再次请求。

• translate(request)：一个异步函数，用于将用户请求翻译为 JSON 对象。 它使用语言模型 model 来翻译用户请求，并调用 JSON 校验器进行验证。如果验证成功，返回验证结果，否则根据 attemptRepair 的值决定是否尝试修复错误，最终返回修复后的 JSON 对象。

Prompt 的核心

这里面的核心就是对 ChatGpt 做一个角色的定义， 定义 ChatGpt 作为一个处理JSON对象的服务，在一个就是 typescript 对对象类型的定义描述给 chatGpt 识别。

当 ChatGpt 回复之后，通过 validation 校验的类型错误，在给 chatGpt 说你的类型不对，具体错误是什么， 你需要在输出修改后的JSON对象：

通过这样的一次反馈得到最后需要的格式， 但是这个里面如果需要足够的稳定，还需要自行修改源码添加次数，以便达到自己的预期。

增加大模型接口

目前官网里面就支持了两种，微软自己的Azure的和 OpenAI 的ChatGpt，为了探索 TypeChat 核心概念与拓展性，为游戏开发定制 AI Agent 提供便利，还是需要处理这块代码实现不同大模型的对接需求：

这里是两个模型公用的部分，基本的请求结构差不多，定义 Prompt 和 role， 然后得到 result.data.choices[0].message?.content 返回值。 这里可以修改返回的内容，以及在这里定义每次调用请求的大模型接口，可以通过这个地方，修改为自己定义的接口以及处理自己代码的逻辑。

实际案例 prompt 解析

不通过 typechat， 基于 typechat的原理，你可以直接将下面的 《处理后的 prompt》直接粘贴到 chatGpt 也能得到同样的结果。 这里就是将 typechat 内提问的方式，通过中文的问答来实现的。

用户输入

我要两份大的，一份加意大利辣香肠，另一份多加酱汁。意大利辣肠加罗勒酱汁加加拿大培根。再加一份沙拉。麦 我把加拿大熏肉煎成五分熟。做希腊沙拉，不要红洋葱。给我两杯麦克和杰克，一杯内华达山脉。哦，再加一份不加红洋葱的沙拉。

处理后的 prompt

让 ChatGpt 为提供我们定义的 typescript 格式的 prompt为： 你是一个JSON转换服务，根据以下TypeScript定义将用户请求转换为“Order”类型的JSON对象:

以下是用户请求: """ 我要两份大的，一份加意大利辣香肠，另一份多加酱汁。意大利辣肠加罗勒酱汁加加拿大培根。再加一份沙拉。麦 我把加拿大熏肉煎成五分熟。做希腊沙拉，不要红洋葱。给我两杯麦克和杰克，一杯内华达山脉。哦，再加一份不加红洋葱的沙拉。 """ 以下是转换成JSON对象的用户请求，其中包含2个缩进空间，没有值为undefined的属性:

ChatGPT 的回复

好的！以下是用户请求转换成的JSON对象，根据提供的TypeScript定义进行处理：

请注意，此转换是根据提供的TypeScript定义和用户请求进行的。用户请求中提到的披萨配料（"意大利辣香肠"、"多加酱汁"、"加拿大培根"、"罗勒酱汁"）和沙拉配料（"加拿大熏肉煎成五分熟"、"红洋葱"）已添加到JSON对象中的相应披萨和沙拉项目中。披萨和沙拉的尺寸和类型也按照用户请求进行了设置。啤酒项目也根据请求中的数量和类型进行了添加。