调整API策略应对AI动态趋势

在当今快速发展的技术环境中，人工智能 (AI) 受到广泛关注。社交媒体上，新的人工智能初创公司、快速的工程工具和大型语言模型 (LLM) 解决方案层出不穷。这并不奇怪，因为人工智能似乎如同魔法一般！例如，ChatGPT 在公开发布后的短短两个月内便吸引了 1 亿用户，迅速走红。

如今，许多人开始关注：这一波人工智能浪潮对工作和产品意味着什么？特别是，对于那些在使用 API 构建数字产品和应用程序方面处于前沿的人来说，其影响又是如何？本文将探讨人工智能趋势对 API 开发者的影响。

API 使人工智能触手可及

大公司已迅速建立专门的人工智能研究实验室，招募数据科学家来制作人工智能模型。但是，对于没有用于人工智能研究实验室的大量计算资源和 GPU 的小型实体呢？这些小型实体并不是在被动观察大公司如何利用人工智能革命。事实上，对于许多人工智能应用程序，特别是那些以自然语言为中心的应用程序，并不需要专门的人工智能研究实验室。相反，可以利用现有的公共人工智能模型和大型语言模型 (LLMs)。这意味着开发人员不必成为人工智能专家，只需精通 API 即可。通过快速工程、微调和嵌入，这些模型可以根据特定需求进行定制。

在这里，关键在于“API”。API 封装了其内容的复杂性，使所有开发人员都能访问 AI 模型，无论其在人工智能领域的专业知识如何。这种关注点的分离确保了少数数据科学家能够创建 AI 模型并将其打包为 API，从而使更多开发人员能够将这些模型集成到他们的应用程序中，打造精通自然语言处理的“智能”解决方案。结果是，API 创造了一个公平的竞争环境，让各种规模公司的开发人员都有机会使用强大的人工智能模型。

现代应用程序的 AI 和 API 模式

API 是将产品与其他产品连接的关键，特别是在人工智能领域，这种连接显得尤为重要，因为人工智能需要与不同的数据源和工具配合才能发挥作用。现代应用程序利用人工智能和 API 结合，实现“智能”功能，使其能够理解人类语言和意图，而 API 则促进数据访问和系统连接。这些技术并非孤立存在，它们的组合使用可以产生协同效应，主要有三种集成模式：

模式一：通过 API 调用 AI 服务

AI 模型（例如 OpenAI 的 ChatGPT）通常以 API 形式提供。开发人员通过这些 API 触发 AI，发送提示作为输入，从而无缝集成 AI 到应用程序中。构建新 AI 应用程序的常见架构通常利用两个 OpenAI API 端点，例如 Vector Embeddings 和 Chat Completion。该方法首先通过 OpenAI API 为每个输入文档（包括文本、图像、CSV、PDF 或其他类型的结构化/非结构化数据）创建向量嵌入。生成的嵌入会被索引以便快速检索，并保存到像向量数据库一样的存储中。这些文档将与用户的问题一起作为提示呈现给 ChatGPT，增加了 ChatGPT 智能响应用户查询的能力。

模式二：AI 服务调用 API

AI 模型响应的输出通常是文本。为了将这些输出转化为可操作的结果，人工智能服务需要调用 API。这些 API 可以在现实或数字世界中执行操作，例如付款、预约、发送消息或调整室温。API 充当人工智能服务的“双手”，使其能够与环境进行互动。ChatGPT 的自定义插件便是一个良好的例子。在这种情况下，可以使用 APISIX 为 API 网关构建自定义插件，APISIX 位于 API 的前端，负责将 AI 请求路由到预期的后端 API 服务。同时，可以实施身份验证、授权和速率限制等安全措施，或缓存来自 API 的类似响应，从而收集有关 API 使用情况、性能和潜在问题的宝贵见解。

模式三：AI 连接 API

多年前，要使两个软件系统或 API 进行通信，唯一的选择是手动编码，软件工程师需要创建复杂且脆弱的代码序列。这项任务仅适合开发人员，每次修改都意味着更多的编码，从而导致相互连接的代码变得复杂。

随着生成式人工智能的出现，与集成平台即服务 (iPaaS) 的交互变得简单得多，像在聊天中提出请求一样直观。如果希望一个平台的数据与另一个平台同步，无需了解技术细节，只需明确需求。例如，可以简单地要求：“将客户线索分数从 Marketo 同步到 Salesforce。”或者让 AI 将数据从一个 API 移动到另一个 API。此时，人工智能会处理整个过程，测试兼容性，并自主修复问题。由于集成中使用的 API 总是不断变化，这有时会导致问题。AI 可以监控数据集成的运行状况，持续修复错误，或者在 API 请求或响应中的条目需要关注时，通过自然语言发送警报通知。

保护 API 使用

人工智能能够调用在现实或数字世界中执行操作的 API，因此实施保障措施至关重要。这种保护措施最好在 API 管理系统级别进行，以确保负责任和安全地使用人工智能。本文探讨了 API Gateway 如何帮助 ChatGPT 插件开发人员公开、保护、管理和监控其 API 端点。

综上所述

API 为人工智能驱动的软件开发提供了理想的构建块。API 和人工智能技术的结合对开发强大的应用程序至关重要。这三种已确定的模式（通过 API 集成 AI 功能的应用程序和调用 API 进行操作的 AI 服务）为在应用程序开发中利用 AI 提供了明确的路线图。随着人工智能领域的不断发展，对 API 及其集成策略的关注将愈发重要。

原文链接：Adapting API Strategies to Dynamic AI Trend