ERNIE Bot 大模型

项目：使用 ERNIE Bot 完成文本创作、对话和语义向量转换

日期：5.10-5.15

简介：

        在这个学习日志中，我将记录我使用 ERNIE Bot Python 库完成文本创作、对话和语义向量转换的全过程。ERNIE Bot 是由文心&飞桨官方提供的 Python 库，提供了方便易用的 Python 接口，可以调用文心大模型的能力，完成包括文本创作、通用对话、语义向量转换和 AI 作图等多项任务。

        在这个项目中，我将首先进行认证鉴权，确保可以正常访问 ERNIE Bot 的功能。然后，我将进行单轮对话和多轮对话的实验，观察模型的响应结果。最后，我将尝试将文本转换为语义向量，并进行简单的分析。

一、认证鉴权

        为了能够正常使用 ERNIE Bot 的功能，我首先进行了认证鉴权操作。通过设置 api_type 和 access_token，我成功连接到文心&飞桨官方提供的 ERNIE Bot 服务，确保可以使用其提供的各项功能。

# 认证鉴权
import erniebot

erniebot.api_type = 'aistudio'
erniebot.access_token = '*****************' # 个人token

二、单轮对话实验

        在单轮对话实验中，通过使用 erniebot.ChatCompletion.create API，发起了对话补全请求。我向模型发送了一条消息：“请对我说‘你好，世界！’”，并观察了模型的响应结果。通过打印模型的响应结果，可以查看模型对于用户消息的回复内容。

        具体代码如下：

# 第一个hello-world程序（单轮对话）
# messages中的每一项都是一个字典，其中的'role': 'user'表示发出当前消息的角色是“用户”，'content'对应消息的具体内容
response = erniebot.ChatCompletion.create(    #erniebot.ChatCompletion.create API，发起对话补全请求，并打印模型的响应结果
    model='ernie-3.5',
    messages=[{'role': 'user', 'content': "请对我说“你好，世界！”"}],
)
print(response.get_result())

结果：

三、多轮对话实验

        在多轮对话实验中，我模拟了一个对话场景，首先向模型发起了一个询问：“请问你能以《你好，世界》为题，写一首现代诗吗？”然后，我将模型在第一轮对话中的回答加入到消息列表中，并继续向模型发起第二轮对话：“谢谢你！请问你能把这首诗改写成七言绝句吗？”通过打印模型的响应结果，我可以观察模型在多轮对话中的表现和处理逻辑。

        具体代码如下：

# 第二个hello-world程序（多轮对话）
# 第一轮对话
model = 'ernie-3.5'
messages = [{'role': 'user', 'content': "请问你能以《你好，世界》为题，写一首现代诗吗？"}]
first_response = erniebot.ChatCompletion.create(
    model=model,
    messages=messages,
)
print(first_response.get_result())

# 第二轮对话
# 将模型在第一轮对话里做出的回答加入到messages中（调用to_message方法将响应转换为消息）
messages.append(first_response.to_message())
messages.append({'role': 'user', 'content': "谢谢你！请问你能把这首诗改写成七言绝句吗？"})

second_response = erniebot.ChatCompletion.create(
    model=model,
    messages=messages,
)
print(second_response.get_result())

结果： 

四、语义向量转换实验

        在语义向量转换实验中，我使用了 erniebot.Embedding.create API，将文本转换为语义向量。我准备了两个输入文本：“我是百度公司开发的人工智能语言模型，我的中文名是文心一言，英文名是 ERNIE-Bot。”和“2018年深圳市各区 GDP”。通过打印模型返回的语义向量，我可以观察文本的语义信息在向量空间中的表示。

        具体代码如下：

# 语义向量 : 将文本转化为用数值表示的向量形式
# ERNIE Bot提供erniebot.Embedding.create API生成输入文本的语义向量

import numpy as np

response = erniebot.Embedding.create(
    model='ernie-text-embedding',
    input=[
        "我是百度公司开发的人工智能语言模型,我的中文名是文心一言,英文名是ERNIE-Bot。",
        "2018年深圳市各区GDP"
    ])

for embedding in response.get_result():
    embedding = np.array(embedding)
    print(embedding)

五、总结与反思

        通过完成这个项目，我对于使用 ERNIE Bot 进行文本创作、对话和语义向量转换有了更深入的了解。我学会了如何调用 ERNIE Bot 提供的各项功能，并且通过实验观察了模型的表现和输出结果。在未来的实践中，我将继续探索 ERNIE Bot 的更多应用场景，并深入研究其中的原理和算法，以提升我的文本处理和自然语言处理能力。

具体代码链接：飞桨AI Studio星河社区-人工智能学习与实训社区