LLM模型-讯飞星火与百度文心api调用

Elvis_hui

已于 2023-11-20 16:22:30 修改

阅读量1.4k

点赞数 1

分类专栏： AI 文章标签： python Chat chatgpt

于 2023-11-18 18:38:30 首次发布

本文链接：https://blog.csdn.net/Elvis__c/article/details/134481125

版权

AI 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

spark-wenxin

1-讯飞星火

进入讯飞官网进行创建应用，获取相关密钥APPID，APISecret，APIKey，选择最新版本
首次调用讯飞官方api可能有两问题：

1-No module named 'websocket'#安装 pip install websocket_client==1.4.2
2-spark_url="ws(s)://spark-api.xf-yun.com/v3.1/chat" #改为"ws://spark-api.xf-yun.com/v3.1/chat"

现搞了个完整的代码如下：
第一个相关请求的代码：SparkApi.py 相关参数可自行修改

1_1-SparkApi.py

import _thread as thread
import base64
import datetime
import hashlib
import hmac
import json
from urllib.parse import urlparse
import ssl
from datetime import datetime
from time import mktime
from urllib.parse import urlencode
from wsgiref.handlers import format_date_time

import websocket  # 
answer = ""

class Ws_Param(object):
    # 初始化
    def __init__(self, APPID, APIKey, APISecret, Spark_url):
        self.APPID = APPID
        self.APIKey = APIKey
        self.APISecret = APISecret
        self.host = urlparse(Spark_url).netloc
        self.path = urlparse(Spark_url).path
        self.Spark_url = Spark_url

    # 生成url
    def create_url(self):
        # 生成RFC1123格式的时间戳
        now = datetime.now()
        date = format_date_time(mktime(now.timetuple()))

        # 拼接字符串
        signature_origin = "host: " + self.host + "\n"
        signature_origin += "date: " + date + "\n"
        signature_origin += "GET " + self.path + " HTTP/1.1"

        # 进行hmac-sha256进行加密
        signature_sha = hmac.new(self.APISecret.encode('utf-8'), signature_origin.encode('utf-8'),
                                 digestmod=hashlib.sha256).digest()

        signature_sha_base64 = base64.b64encode(signature_sha).decode(encoding='utf-8')

        authorization_origin = f'api_key="{self.APIKey}", algorithm="hmac-sha256", headers="host date request-line", signature="{signature_sha_base64}"'

        authorization = base64.b64encode(authorization_origin.encode('utf-8')).decode(encoding='utf-8')

        # 将请求的鉴权参数组合为字典
        v = {
            "authorization": authorization,
            "date": date,
            "host": self.host
        }
        # 拼接鉴权参数，生成url
        url = self.Spark_url + '?' + urlencode(v)
        # 此处打印出建立连接时候的url,参考本demo的时候可取消上方打印的注释，比对相同参数时生成的url与自己代码生成的url是否一致
        return url

# 收到websocket错误的处理
def on_error(ws, error):
    print("### error:", error)

# 收到websocket关闭的处理
def on_close(ws,one,two):
    print(" ")

# 收到websocket连接建立的处理
def on_open(ws):
    thread.start_new_thread(run, (ws,))

def run(ws, *args):
    data = json.dumps(gen_params(appid=ws.appid, domain= ws.domain,question=ws.question))
    ws.send(data)

# 收到websocket消息的处理
def on_message(ws, message):
    # print(message)
    data = json.loads(message)
    code = data['header']['code']
    if code != 0:
        print(f'请求错误: {code}, {data}')
        ws.close()
    else:
        choices = data["payload"]["choices"]
        status = choices["status"]
        content = choices["text"][0]["content"]
        print(content,end ="")
        global answer
        answer += content
        # print(1)
        if status == 2:
            ws.close()
            
def gen_params(appid, domain,question):
    """
    通过appid和用户的提问来生成请参数
    """
    data = {
        "header": {
            "app_id": appid,
            "uid": "1234"
        },
        "parameter": {
            "chat": {
                "domain": domain,
                "random_threshold": 0.5,
                "max_tokens": 2048,#
                "auditing": "default"
            }
        },
        "payload": {
            "message": {
                "text": question
            }
        }
    }
    return data

def main(appid, api_key, api_secret, Spark_url,domain, question):
    # print("星火:")
    wsParam = Ws_Param(appid, api_key, api_secret, Spark_url)
    websocket.enableTrace(False)
    wsUrl = wsParam.create_url()
    ws = websocket.WebSocketApp(wsUrl, on_message=on_message, on_error=on_error, on_close=on_close, on_open=on_open)
    ws.appid = appid
    ws.question = question
    ws.domain = domain
    ws.run_forever(sslopt={"cert_reqs": ssl.CERT_NONE})

1_2- Chat_spark.py

通过创建应用获取密钥，选择版本创建，这里用的是3.0版本

import SparkApi

class SparkProcessor:
    #以下密钥信息从控制台获取3.0
    appid = "xxx"     #填写控制台中获取的 APPID 信息
    api_secret = "xxxx"   #填写控制台中获取的 APISecret 信息
    api_key ="xxx"    #填写控制台中获取的 APIKey 信息

    # # #2.0
    # appid = "xxx"     #填写控制台中获取的 APPID 信息
    # api_secret = "xxx"   #填写控制台中获取的 APISecret 信息
    # api_key ="xxx"    #填写控制台中获取的 APIKey 信息


    #用于配置大模型版本，默认“general/generalv2”
    #domain = "general"   # v1.5版本
    # domain = "generalv2"    # v2.0版本
    domain = "generalv3"    # v3.0版本
    #云端环境的服务地址
    #Spark_url = "ws://spark-api.xf-yun.com/v1.1/chat"  # v1.5环境的地址
    # Spark_url = "ws://spark-api.xf-yun.com/v2.1/chat"  # v2.0环境的地址
    Spark_url = "ws://spark-api.xf-yun.com/v3.1/chat"

import SparkApi

class SparkProcessor:
    @staticmethod
    def _get_text(role, content):#
        jsoncon = {}
        jsoncon["role"] = role
        jsoncon["content"] = content
        return jsoncon
	#实例方法
	#def get_text(self, role, content):
    #    jsoncon = {}
    #   jsoncon["role"] = role
    #   jsoncon["content"] = content
    #    return jsoncon

    @staticmethod
    def _get_length(text):
        length = 0
        for content in text:
            temp = content["content"]
            leng = len(temp)
            length += leng
        return length

    @staticmethod
    def _check_len(text):#私有方法
        while SparkProcessor._get_length(text) > 8000:
            del text[0]
        return text

	#类方法
    @classmethod
    def spark_api(cls, question):
        text = []
        question = cls._check_len([cls._get_text("user", question)])
        SparkApi.answer = ""
        SparkApi.main(
            cls._get_appid(),
            cls._get_api_key(),
            cls._get_api_secret(),
            cls._get_spark_url(),
            cls._get_domain(),
            question,
        )
        text.clear()
        return SparkApi.answer

    # 私有方法获取敏感信息
    @staticmethod
    def _get_appid():
        return "xxx"

    @staticmethod
    def _get_api_secret():
        return "xxx"

    @staticmethod
    def _get_api_key():
        return "xxx"

    @staticmethod
    def _get_domain():
        return "xxx"

    @staticmethod
    def _get_spark_url():
        return "xxx"

1_3-调用api

prompt的基本写法规则：
任务：明确而简洁地陈述Prompt 要求模型生成的内容
指令：模型在生成文本时应遵循的指令。
角色：模型在生成文本时应扮演的角色。

prompt1="""将文本分类为中性、负面或正面。
        文本：我认为这次假期还可以。
        情感："""
from Chat_spark import SparkProcessor
result = SparkProcessor.spark_api(prompt1)
print(result)#中性

2-百度文心

人设+任务目标及解决方式+附加条件完整陈述

2_1.code

创建应用获取相关密钥

# -*- coding: utf-8 -*-
# @Author  : Elvis
# @Time    : 2023/11/13 10:56
# @File    : get_chat.py
# @describe: ""
api_key = 'xxx'
api_id = 'xxx'
secret_key = 'xxx'
name = 'CHAT'

import requests
import json

def get_access_token(api_k, secret_k):
    """
    使用 API Key，Secret Key 获取access_token，替换下列示例中的应用API Key、应用Secret Key
    """

    url = "https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=%s&client_secret=%s" % (
    api_k, secret_k)
#     print('url: ', url)
    payload = json.dumps("")
    headers = {
        'Content-Type': 'application/json',
        'Accept': 'application/json'
    }

    response = requests.request("POST", url, headers=headers, data=payload)
    return response.json().get("access_token")


def get_main(prompt,sys=None):
    res = get_access_token(api_key, secret_key)
#     print('res: ', res)
    #     url = "https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/completions?access_token=" + get_access_token()
    url = "https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/completions_pro?access_token=" + res

    payload = json.dumps({
        "messages": [
            {
                "role": "user",
                "content": prompt
            }
        ],
#          "stream": True,
        "temperature":0.1,#(0, 1.0]
        "system":sys
    })
    headers = {
        'Content-Type': 'application/json'
    }

    response = requests.request("POST", url, headers=headers, data=payload)

    res = response.text
    print(res)
    res1 = json.loads(res)
#     print(res1)
    return res1['result']

3-两者之间比较与openai

目前国内的效果在某些方面还是差点意思，没有公开过prompt实例，文心对格式控制很难把控，很难去掉提示语，星火给出的结果有时候偏差很大，估计还得明年中旬，训练慢慢好起来。

相关promot guide
想写好prompt，可以先上B站看一下关于吴恩达对openai 的prompt 视频。

Elvis_hui

关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
打赏
0
评论
LLM模型-讯飞星火与百度文心api调用

目前国内的效果在某些方面还是差点意思，没有公开过prompt实例，文心对格式控制很难把控，很难去掉提示语，星火给出的结果有时候偏差很大，估计还得明年中旬，训练慢慢好起来。，可以先上B站看一下关于吴恩达对openai 的prompt 视频。任务：明确而简洁地陈述Prompt 要求模型生成的内容。指令：模型在生成文本时应遵循的指令。角色：模型在生成文本时应扮演的角色。创建应用获取相关密钥。
复制链接

扫一扫