LLM Entegrasyonu: AI Model API Rehberi

# OpenAI GPT-4 Turbo API
from openai import OpenAI
import json

client = OpenAI(api_key="your-api-key")

# Basit completion
response = client.chat.completions.create(
    model="gpt-4-turbo-preview",
    messages=[
        {
            "role": "system",
            "content": "Sen bir e-ticaret asistanısın. Müşterilere yardımcı olursun."
        },
        {
            "role": "user",
            "content": "Siparişim nerede?"
        }
    ],
    temperature=0.7,
    max_tokens=500
)

print(response.choices[0].message.content)

# Streaming (gerçek zamanlı yanıt)
stream = client.chat.completions.create(
    model="gpt-4-turbo-preview",
    messages=[{"role": "user", "content": "Uzun bir makale yaz"}],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content is not None:
        print(chunk.choices[0].delta.content, end="")

# JSON mode (yapılandırılmış çıktı)
response = client.chat.completions.create(
    model="gpt-4-turbo-preview",
    messages=[
        {
            "role": "system",
            "content": "Müşteri bilgilerini JSON formatında çıkar"
        },
        {
            "role": "user",
            "content": "Adım Ahmet Yılmaz, 05551234567 numaralı telefon, İstanbul'da yaşıyorum"
        }
    ],
    response_format={"type": "json_object"}
)

customer_data = json.loads(response.choices[0].message.content)
print(customer_data)
# {"name": "Ahmet Yılmaz", "phone": "05551234567", "city": "İstanbul"}

# GPT-4 Function Calling ile araç entegrasyonu
import openai
import requests

# Fonksiyon tanımları
functions = [
    {
        "name": "get_order_status",
        "description": "Sipariş durumunu sorgula",
        "parameters": {
            "type": "object",
            "properties": {
                "order_id": {
                    "type": "string",
                    "description": "Sipariş numarası (ORD-12345)"
                }
            },
            "required": ["order_id"]
        }
    },
    {
        "name": "get_weather",
        "description": "Hava durumu bilgisi al",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {
                    "type": "string",
                    "description": "Şehir adı"
                }
            },
            "required": ["city"]
        }
    }
]

# Gerçek fonksiyon implementasyonları
def get_order_status(order_id):
    # Veritabanından sipariş durumu çek
    return {"order_id": order_id, "status": "Kargoda", "tracking": "YK123456"}

def get_weather(city):
    # API'den hava durumu al
    return {"city": city, "temp": 15, "condition": "Güneşli"}

# GPT-4'e kullanıcı sorusu
messages = [
    {"role": "user", "content": "ORD-12345 numaralı siparişim nerede?"}
]

response = client.chat.completions.create(
    model="gpt-4-turbo-preview",
    messages=messages,
    functions=functions,
    function_call="auto"
)

# GPT-4 fonksiyon çağırmak istedi mi?
response_message = response.choices[0].message

if response_message.function_call:
    function_name = response_message.function_call.name
    function_args = json.loads(response_message.function_call.arguments)

    # Fonksiyonu çalıştır
    if function_name == "get_order_status":
        function_response = get_order_status(**function_args)
    elif function_name == "get_weather":
        function_response = get_weather(**function_args)

    # Fonksiyon sonucunu GPT-4'e geri gönder
    messages.append(response_message)
    messages.append({
        "role": "function",
        "name": function_name,
        "content": json.dumps(function_response)
    })

    # Final yanıt
    second_response = client.chat.completions.create(
        model="gpt-4-turbo-preview",
        messages=messages
    )

    print(second_response.choices[0].message.content)
    # "ORD-12345 numaralı siparişiniz kargoda. Takip numarası: YK123456"

# Anthropic Claude API
import anthropic

client = anthropic.Anthropic(api_key="your-api-key")

# Basit completion
message = client.messages.create(
    model="claude-3-5-sonnet-20241022",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": "Python'da binary search algoritması yaz"
        }
    ]
)

print(message.content[0].text)

# Streaming
with client.messages.stream(
    model="claude-3-5-sonnet-20241022",
    max_tokens=1024,
    messages=[{"role": "user", "content": "Uzun bir hikaye anlat"}]
) as stream:
    for text in stream.text_stream:
        print(text, end="", flush=True)

# Tool use (Claude'un function calling'i)
tools = [
    {
        "name": "get_stock_price",
        "description": "Hisse senedi fiyatı sorgula",
        "input_schema": {
            "type": "object",
            "properties": {
                "ticker": {
                    "type": "string",
                    "description": "Hisse kodu (AAPL, GOOGL, vb.)"
                }
            },
            "required": ["ticker"]
        }
    }
]

response = client.messages.create(
    model="claude-3-5-sonnet-20241022",
    max_tokens=1024,
    tools=tools,
    messages=[{"role": "user", "content": "AAPL hissesinin fiyatı nedir?"}]
)

# Tool kullandı mı?
if response.stop_reason == "tool_use":
    tool_use = next(block for block in response.content if block.type == "tool_use")
    tool_name = tool_use.name
    tool_input = tool_use.input

    # Tool'u çalıştır
    if tool_name == "get_stock_price":
        price = get_stock_price(tool_input["ticker"])  # API'den çek

        # Sonucu Claude'a gönder
        final_response = client.messages.create(
            model="claude-3-5-sonnet-20241022",
            max_tokens=1024,
            tools=tools,
            messages=[
                {"role": "user", "content": "AAPL hissesinin fiyatı nedir?"},
                {"role": "assistant", "content": response.content},
                {
                    "role": "user",
                    "content": [
                        {
                            "type": "tool_result",
                            "tool_use_id": tool_use.id,
                            "content": str(price)
                        }
                    ]
                }
            ]
        )

        print(final_response.content[0].text)

# RAG (Retrieval Augmented Generation) sistemi
from openai import OpenAI
import chromadb
from chromadb.utils import embedding_functions

client = OpenAI()

# 1. Dokümanları embedding'e çevir ve vektör DB'ye kaydet
chroma_client = chromadb.PersistentClient(path="./chroma_db")
openai_ef = embedding_functions.OpenAIEmbeddingFunction(
    api_key="your-api-key",
    model_name="text-embedding-3-small"  # $0.02/1M tokens
)

collection = chroma_client.get_or_create_collection(
    name="documents",
    embedding_function=openai_ef
)

# Dokümanları ekle
documents = [
    "Ürün iade süresi 14 gündür.",
    "Kargo bedava, 150 TL üzeri siparişlerde.",
    "Müşteri hizmetleri 7/24 hizmet vermektedir.",
    "İade için fatura ve ürün kutusunun tam olması gerekir."
]

collection.add(
    documents=documents,
    ids=[f"doc_{i}" for i in range(len(documents))]
)

# 2. Kullanıcı sorusu geldiğinde, ilgili dokümanları bul
def answer_with_rag(user_question):
    # Benzer dokümanları bul (semantic search)
    results = collection.query(
        query_texts=[user_question],
        n_results=3
    )

    relevant_docs = results['documents'][0]
    context = "\n".join(relevant_docs)

    # GPT-4'e context ile soru sor
    response = client.chat.completions.create(
        model="gpt-4-turbo-preview",
        messages=[
            {
                "role": "system",
                "content": f"""Sen bir müşteri hizmetleri asistanısın.
                Sadece aşağıdaki bilgileri kullanarak yanıt ver:

                {context}

                Eğer bilgi yoksa, "Bu konuda bilgim yok" de."""
            },
            {
                "role": "user",
                "content": user_question
            }
        ],
        temperature=0.3  # Düşük temp = daha tutarlı
    )

    return response.choices[0].message.content

# Kullanım
print(answer_with_rag("Ürünü iade edebilir miyim?"))
# "Evet, ürünleri 14 gün içinde iade edebilirsiniz. İade için fatura ve ürün kutusunun tam olması gerekir."

print(answer_with_rag("Kargo ücreti var mı?"))
# "150 TL üzeri siparişlerde kargo bedavadır."