Prompt是GPT的重要组成部分，一个优秀的Prompt可以带来优秀的表现。Action是给GPT增加技能的方法，扩展其能力边界。要让你的GPT与众不同，你需要在Actions上做文章。而今天我们将讲解Function Calling，即函数调用。

首先回答网友的一个问题:能不能在自己的软件里调用GPTS?答案是肯定的。如果你想扩充ChatGPT的能力，让它可以指挥其他的软件工作，那就是GPTS加Action。

那么，如何建立一个具有Function Calling能力的GPT呢?

我们先快速建立一个新的GPT，用来进行Function Calling的例子。我们以加密币价格走势为例，通过API获取月度曲线数据，并使用代码解释器进行可视化。

首先，我们需要一个加密货币的API。我们在rapidAPI网站找到了一个免费的API。我们先看一下这个API的URL和参数。我们不需要详细了解每个参数的含义，因为我们最终的目标是让ChatGPT根据这些数据来生成Schema。

我们回到GPT，创建一个新的Action。首先是Schema，它是对要调用的API的描述，我们可以从API的文档中获取信息。关键是要提供API的代码片段，以及示例数据，这样GPT才能生成正确的Schema。

我们可以把API的代码片段和示例数据拷贝给GPT，让它帮我们生成Schema。或者，我们也可以使用前面制作的GPT Builder助手，将代码片段转换为Schema。不论使用哪种方法，最终我们都需要将生成的Schema复制到我们的GPT中。

生成Schema后，我们就可以进行API的调用测试。需要注意的是，在进行API调用之前，我们需要提供API Key进行鉴权。鉴权可以在Action的authentication部分配置。输入API Key后，我们可以进行API调用测试。

测试通过后，我们就可以看到比特币的走势曲线了。这说明我们的API调用和Function Calling都是正确的。接下来，我们可以尝试使用其他币种进行测试。