【讯飞星火大模型AI】SpringBoot项目快速接入讯飞星火API

【讯飞星火大模型AI】SpringBoot项目快速接入讯飞星火API

1. 介绍

讯飞官网：讯飞星火认知大模型-AI大语言模型-星火大模型-科大讯飞 (xfyun.cn)

新用户认证之后可以免费领取二百万token，有效期一年，免费薅羊毛。

---

2. 快速入门

认证完成后，创建一个应用(很简单)，点点点就能完成。

2.1 配置

创建完成之后，去github上找到讯飞开放平台的sdk，推荐下面这个：

<dependency>
    <groupId>io.github.briqt</groupId>
    <artifactId>xunfei-spark4j</artifactId>
    <version>1.2.0</version>
</dependency>

github地址：仓库地址
在项目当中引入这个依赖，然后在yml文件当中进行配置：

# 讯飞星火配置
xunfei:
  client:
    appid: xxx
    apiSecret: xxx
    apiKey: xxx

关于这几个值的填写，可以进入控制台-讯飞开放平台 (xfyun.cn)查看，如下图方框框起的数据就是。

---

2.2 创建类

首先创建一个配置类来读取配置信息：

@Configuration
@ConfigurationProperties(prefix = "xunfei.client")
@Data
public class XingHuoConfig {
    private String appid;
    private String apiSecret;
    private String apiKey;

    @Bean
    public SparkClient sparkClient() {
        SparkClient sparkClient = new SparkClient();
        sparkClient.apiKey = apiKey;
        sparkClient.apiSecret = apiSecret;
        sparkClient.appid = appid;
        return sparkClient;
    }
}

再创建一个SparkManager类，用来调用星火AI，在这里我们让AI扮演一名数据分析师，根据我们的输入，做出预设的反应：

@Component
@Slf4j
public class SparkManager {
    @Resource
    private SparkClient sparkClient;

    /**
     * AI生成问题的预设条件
     */
    public static final String PRECONDITION = "你是一个数据分析师和前端开发专家，接下来我会按照以下固定格式给你提供内容：\n" +
            "分析需求：\n" +
            "{数据分析的需求或者目标}\n" +
            "原始数据：\n" +
            "{csv格式的原始数据，用,作为分隔符}\n" +
            "请根据这两部分内容，按照以下指定格式生成内容（此外不要输出任何多余的开头、结尾、注释）\n" +
            "【【【【【\n" +
            "{前端 Echarts V5 的 option 配置对象js代码，合理地将数据进行可视化，不要生成任何多余的内容，比如注释}\n" +
            "【【【【【\n" +
            "{明确的数据分析结论，越详细越好，不要生成多余的注释\n}" +
            "最终格式是：【【【【【前端代码【【【【【分析结论";

    /**
     * 向星火AI发送请求
     *
     * @param content
     * @return
     */
    public String sendMesToAIUseXingHuo(final String content) {
        // 消息列表，可以在此列表添加历史对话记录
        List<SparkMessage> messages = new ArrayList<>();
        messages.add(SparkMessage.systemContent(PRECONDITION));
        messages.add(SparkMessage.userContent(content));
        // 构造请求
        SparkRequest sparkRequest = SparkRequest.builder()
                // 消息列表
                .messages(messages)
                // 模型回答的tokens的最大长度，非必传，默认为2048
                .maxTokens(2048)
                // 结果随机性，取值越高随机性越强，即相同的问题得到的不同答案的可能性越高，非必传，取值为[0,1]，默认为0.5
                .temperature(0.2)
                // 指定请求版本
                .apiVersion(SparkApiVersion.V3_5)
                .build();
        // 同步调用
        SparkSyncChatResponse chatResponse = sparkClient.chatSync(sparkRequest);
        String responseContent = chatResponse.getContent();
        log.info("星火AI返回的结果{}", responseContent);
        return responseContent;
    }
}

当然，对于AI的角色和用户的提问都是可以随意进行设置的。

---

3. 测试

我们创建一个测试类：

@SpringBootTest
public class SparkManagerTest {

    @Resource
    private SparkManager sparkManager;


    private final String userInput =
            "分析需求：\n" +
                    "分析网站用户的增长情况\n" +
                    "请使用：折线图\n" +
                    "原始数据：\n" +
                    "日期，用户数\n" +
                    "1号,10 \n" +
                    "2号,20\n" +
                    "3号,30";

    @Test
    public void testApi() {
        String result = sparkManager.sendMesToAIUseXingHuo(userInput);
        System.out.println(result);
    }
}

运行这个测试方法，输出如下所示：

【【【【【
{
    "title": {
        "text": "网站用户增长情况"
    },
    "tooltip": {
        "trigger": "axis"
    },
    "legend": {
        "data": ["用户数"]
    },
    "xAxis": {
        "data": ["1号", "2号", "3号"]
    },
    "yAxis": {},
    "series": [{
        "name": "用户数",
        "type": "line",
        "data": [10, 20, 30]
    }]
}
【【【【【
从折线图可以看出，该网站在1号至3号期间，用户数量呈明显上升趋势，每天的用户增长率为100%，显示出良好的增长势头。

那么我们就能够根据AI给出的回答进行一个截取，得到我们想要的数据。