Python|基于Kimi大模型，删除已上传的“指定文档”或“全部文档”（6）

最新推荐文章于 2025-04-22 18:18:10 发布
最新推荐文章于 2025-04-22 18:18:10 发布
阅读量758 收藏
点赞数
分类专栏： AI大模型实战应用 文章标签： 人工智能 python 大模型 kimi 文档上传 文档删除 语言模型
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Leexin_love_Ling/article/details/142320663
版权

前言

本文是该专栏的第6篇，后面会持续分享AI大模型干货知识，记得关注。

在本专栏上一篇《Python|基于Kimi大模型，实现上传文档并进行对话（5）》中，笔者有详细介绍“基于kimi大模型，上传指定文档并结合prompt，获取目标文本数据”。对此感兴趣的同学，可以直接点击翻阅查看即可。

值得一提的是，可能很多同学都只知道kimi可以实现文档上传，甚至是批量上传。但是还有一个非常谨慎以及特殊的点，需要在使用kimi的过程中值得注意，那就是kimi本身只支持单个api key上传1000份文档数据，如果超过1000份则会上传失败。

对此，我们需要怎么去解决该问题呢？

而本文，笔者将基于kimi大模型，通过python来实现

了解本专栏 订阅专栏 解锁全文
Python|基于Kimi大模型，实现上传文档并进行“多轮”对话（7）
Python进阶专栏《爬虫实战进阶》，《数据分析入门与实战》原创作者
10-22 506
本文是该专栏的第7篇，后面会持续分享AI大模型干货知识。假设有这样的需求，需要你通过python基于kimi大模型，上传对应的文档并根据对应的prompt提示词，进行多轮对话。此外，还需要将kimi大模型生成的内容进行存储。也就是说，当我们通过kimi大模型进行多轮对话的情况下，还需要上传对应的文档，来完成整个对话过程。针对上述需求，需要怎么去处理呢？废话不多说，具体实现思路以及代码完整实现方案，笔者将在正文进行详细介绍。（附带完整实现代码）
Python|基于Kimi大模型，实现上传文档并进行对话（5）
Python进阶专栏《爬虫实战进阶》，《数据分析入门与实战》原创作者
09-17 888
本文是该专栏的第5篇，后面会持续分享AI大模型干货知识。我们在利用大模型进行文本处理的时候，可能会遇到这样的情况。笔者在这里举个例子，比如说我们的目标文本是一堆docx文档，或者pdf文档，doc文档等等。这时需要大模型对这样的文档文本内容进行语义处理，换言之，我们只需要将这样的文档交给大模型，让大模型自己去读取甚至去解析这些文档数据。对此，我们需要怎样去实现呢？而在本文中，笔者将基于kimi大模型，通过python来实现将文档数据上传给kimi，并让kimi根据我们提供的prompt来进行语义处理。
AI办公自动化-用kimi自动清理删除重复文件
AIGCTribe的博客
05-14 1171
file_hash = filecmp.cmp(file1_path, file1_path) # 这里仅作为示例，实际应计算文件内容的哈希值。print(f'发现重复文件：{os.path.basename(original_file2_path)}，重命名后移动到删除文件夹。2、哈希值比较比较里面所有的文件，如果文件相同，那么移动多余的文件到D:\downloads\delete,只保留一个文件即可；# 创建一个字典，用于记录每个文件的哈希值和对应的文件列表。# 为重复的文件添加独一无二的后缀。
Kimi 网页自动删除历史记录脚本
rookieSquads的博客
07-26 900
Kimi 网页自动删除历史记录脚本
99%的人都不知道，Kimi这个功能可以一次总结200本书！
weixin_40780178的博客
08-29 1712
大家好，我是凡人。是一个的五好小号主。最近我朋友很困惑，他总在我耳边嘀咕，每次上传给大模型的文件字数限制太小了，想让大模型参照着写个文章，一次没上传几个文件Token就满额了。或者一次输入太多文字，部分大模型直接限制输入，问我有没有什么工具好使且可以放开限制的，我本来想推荐腾讯的橙篇，它的沟通可达100W字。但脑子里有什么一闪而过，没错好像有个叫“”的kimi +功能，号称 200W 字超长文本的沟通，先前一直在排队，等的花儿都谢了。怀着试试看的心态打开官网，没想到我的“
【002】调用kimi实现AI对话，文件上传并进行分析_#py
大家一起互帮互助
10-25 1547
在【001】调用kimi实现AI对话_#py对Kimi有了一定的介绍，以及简单对话和连续对话的程序编写。本次主要希望能通过kimi分析文件，总结文件的能力。
Kimi，每个人都能免费使用的AI大模型，工作效率翻倍提升
2301_76168381的博客
05-18 3506
清明节假期大家应该都在家聚会、吃喝，或者出去浪，这篇文章聊点轻松的，介绍一个最近非常火的AI大模型——Kimi。Kimi是国内的公司做出来的，免费，国内直接可以用。从去年AI大模型开始爆火全球，大家应该也了解了使用AI工具的便利性，但是目前最好用的AI大模型还是美国的ChatGPT，国内想要使用困难重重。从上个月开始，国内的AI大模型Kimi开始破圈，以我对各种国内AI大模型的体验来看，Kimi应该是目前国内做的最好的，比百度的文心一言、阿里的通义千问、清华的智谱清言都好用。
【软件工程实践——软件评测作业】
m0_74153675的博客
04-14 1429
Kimi，是月之暗面于2023年10月推出的一款智能助手，主要应用场景为专业学术论文的翻译和理解、辅助分析法律问题、快速理解AAPI开发文档等，是全球首个支持输入20万汉字的智能助手产品。文心一言（英文名：ERNIE Bot）是百度全新一代知识增强大语言模型，文心大模型家族的新成员，能够与人对话互动、回答问题、协助创作，高效便捷地帮助人们获取信息、知识和灵感。
Python|基于Kimi大模型，实现对文本进行批量润色处理（4）
Python进阶专栏《爬虫实战进阶》，《数据分析入门与实战》原创作者
09-17 727
本文是该专栏的第4篇，后面会持续分享AI大模型干货知识。有的时候，我们在处理文本数据的时候，会需要对文本内容做润色处理。在介绍之前，我们先来了解“什么是润色”。文本润色，是指对已经完成的文本进行修改和改进的过程，目的是提高文本的可读性、流畅度和表达效果。这个过程可能包括纠正语法错误、调整句子结构、增强语言的表达力、统一风格和语调、改善逻辑连贯性等。润色后的文本应该更加清晰、准确、吸引人，同时保持作者的原意和风格。那么，我们通过kimi大模型，如果去实现文本润色呢？而本文，笔者将基于kimi大模型，通过...
Python|基于Kimi大模型，实现文本内容仿写（9）
Python进阶专栏《爬虫实战进阶》，《数据分析入门与实战》原创作者
02-22 209
本文是该专栏的第9篇，后面会持续分享AI大模型干货知识。​在本专栏之前，笔者在文章《Python|基于DeepSeek大模型，实现文本内容仿写（8）》中，有详细介绍，基于DeepSeek大模型，通过Python来实现对“目标文本内容”的仿写，并将仿写的文本结果进行存储。而本文，笔者将基于Kimi大模型，通过Python同样来实现对“目标文本内容”的仿写，并将仿写的文本结果进行存储。废话不多说，具体实现思路以及代码完整实现方案，笔者将在正文进行详细介绍。（附带完整实现代码）
AI办公自动化：用kimi批量删除文件名末尾的空格
AIGCTribe的博客
06-08 268
去掉html文件的主文件名末尾的空格；比如：成为提问工程师 .html，重命名为：成为提问工程师.html。print(f"文件已重命名: {old_file_path} -> {new_file_path}")print(f"文件名没有变化: {old_file_path}")读取"F:\aivideo"文件夹里面的全部html文件；工作任务：文件名末尾有一个空格，要批量删除掉，然后重命名。# 去除文件名末尾的空格（包括文件名和扩展名）# 构建完整的旧文件路径。# 构建新的文件路径。
基于YOLOv11 和 ByteTrack 实现目标跟踪
xuejiazhi的专栏
04-22 461
YOLOv11（You Only Look Once，版本 11）代表了物体识别技术的最新进展，进一步突破了速度和准确性的界限。ByteTrack 是对这一强大检测能力的补充，它是一种先进的跟踪算法，可以无缝连接 YOLOv11 的跨帧检测。ByteTrack 充当视觉背后的大脑，一丝不苟地处理检测，并在物体穿过场景时保持一致的物体身份。之前我们介绍了使用YOLOv9与 ByteTrack 结合进行对象跟踪的概念，展示了这两种强大的技术如何有效地协同工作。完整代码：​​​​​​​。
CNN：卷积到底做了什么？
sagima_sdu的博客
04-16 1758
CNN 的核心思想是通过卷积操作从数据中提取局部特征，并逐步构建高层次的语义信息。简单来说，卷积的作用就是让 CNN 从像素级数据中提取有意义的特征，最终用于分类、检测、分割等任务。通过多层卷积操作，CNN 能够从低级特征（如边缘、纹理）逐步构建高级特征（如形状、对象），从而实现对复杂数据的理解和分析。卷积核是卷积操作的核心，其主要功能是从输入数据中提取局部特征，进而构建高层次的语义信息。卷积操作本质上是一种加权求和运算，通过滑动窗口的方式，在输入数据上施加不同的卷积核，提取局部区域的特征。
视频汇聚平台智能边缘分析一体机视频智能分析平台智能分析区域入侵检测算法
LntonCEC的博客
04-22 600
这种设备的广泛应用不仅能够提高安全防范的效率和准确性，还能够为各类场所的安全管理提供强大的支持和帮助，从而为社会的稳定和发展做出了积极的贡献。这种设备通过集成图像处理、智能识别和实时监测等先进技术，能够对特定区域内的入侵行为进行有效的监控和识别，从而及时地发现潜在的安全风险并采取适当的应对措施。智能边缘分析一体机的区域入侵检测功能能够提高安全监控系统的警戒性和反应速度，有效减少安全风险和事件发生的可能性，为各类场所（如公共场所、企业园区、仓库等）的安全管理带来极大的便利和帮助。
控糖减重革命：科学减脂与AI营养工具的协同效应
2503_90208218的博客
04-18 1305
展望未来，数据化营养干预模式将在健康管理领域发挥更为重要的作用。随着AI技术与营养学的深度融合，营养方案将更加精准、高效，为解决全球肥胖与慢性病问题提供创新路径。
OrangePi 5 Pro vs OrangePi AI Pro 详细对比分析
qq_30346433的博客
04-18 1595
这是一款优秀的通用开发板，拥有强大的RK3588S处理器，适合广泛的应用场景。它提供了良好的性价比，是入门RK3588平台的理想选择。: 这是专为AI开发优化的高集成度开发板，在保留OrangePi 5 Pro所有优点的同时，增加了内置无线、板载存储、HDMI输入和针对AI的硬件与软件优化。对于专注于AI应用开发的用户来说，额外的成本带来了显著的便利性和性能优势。如果您主要关注成本效益和通用性，OrangePi 5 Pro是更好的选择；
软件专利申请：审查意见是“拦路虎“还是“磨刀石“？
wdip15的博客
04-22 661
根据统计，超过85%的专利申请都会经历至少一次审查意见。这不一定是坏事——经过修改的专利，授权后更经得起无效宣告的挑战。就像璞玉需要雕琢，好的专利也是"磨"出来的。下次收到审查意见时，不妨泡杯茶，仔细看看审查员的"批注"。也许你会发现，这恰恰是让技术方案更严谨的好机会。毕竟，专利申请不是"一锤子买卖"，而是场需要智慧的持久战。申请过软件专利的朋友常问："是不是每次申请都会收到一两次审查意见？"作为过来人，今天咱们就用大白话聊聊这个事儿。
盈达科技GEO解决方案：破解AI时代品牌增长困局
最新发布
欢迎关注！盈达科技博客专注分享生成式引擎优化（GEO）核心技术，解析AI内容生成与搜索引擎协同优化的前沿方法论。
04-22 1013
盈达科技GEO解决方案：破解AI时代品牌增长困局 ——全域优化策略助力企业抢占生成式AI流量高地
百度热力图数据获取，原理，处理及论文应用18
GGG信的博客
04-21 606
数据来源：百度慧眼数据形式：含坐标的csv点数据；shp数据（含csv点数据）；TIF栅格数据（含csv，shp数据）；PNG可视化图片。多种数据形式可选。价格：市为单位，每天有24个时间点。也可提供shp格式，核密度/反距离tif格式，数据格式不同价格不同。直接选TIF的好处：不用手动从csv转shp，不用考虑投影带，不用手动核密度，我可以确保数据一定符合你的研究，会跟你确定栅格大小和研究区，根据研究区裁剪数据。用途：城市/街道活力，人口统计，选址分析，商圈分析，活力分析等等。优势：全网最全最细！
python调用kimi大模型的api
01-11
### 使用Python调用Kimi大模型API 为了使用Python调用Kimi大模型API，通常需要遵循特定的接口定义来发送请求并处理响应。下面提供了一个基本的例子说明如何通过HTTP POST方法向API端点发送查询，并接收返回的结果。 首先，确保安装了`requests`库用于发起网络请求： ```bash pip install requests ``` 接着，在Python脚本中导入必要的模块并设置访问令牌（如果API要求认证），构建请求体以及执行POST请求获取数据如下所示： ```python import json import requests def call_kimi_api(prompt, api_key): url = 'https://api.kimi.example.com/v1/models/kimi:predict' # 假设这是官方提供的API地址 headers = { 'Content-Type': 'application/json', 'Authorization': f'Bearer {api_key}' } payload = { "inputs": [ {"text": prompt} ] } response = requests.post(url=url, data=json.dumps(payload), headers=headers) if response.status_code == 200: result = response.json() return result['outputs'][0]['generated_text'] else: raise Exception(f'Request failed with status code {response.status_code}: {response.text}') if __name__ == '__main__': api_key = '<your-api-key-here>' # 用户需替换为自己实际拥有的有效API密钥 user_input = input('请输入您想要询问的内容:') output = call_kimi_api(user_input, api_key) print(output) ``` 上述代码展示了怎样利用Python中的`requests`库来进行一次简单的文本生成任务调用[^1]。请注意这里的URL仅为示意用途；真实的API路径应当参照Kimi大模型文档给出的信息进行配置。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

写python的鑫哥

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值