讯飞星火认知大模型V3.5 python调用 Web API

具体参考 科大讯飞:星火认知大模型Web API文档

1.首先要注册一个 讯飞星火账号,

进行实名认证,并领取免费试用额度。
并进入控制台找到 APPID, APISecret ,APIKey 三个关键信息
科大讯飞控制台界面查看(图1)

2. 按照自己的业务需求,翻看相关SDK开发文档, 如图1所示。

3. 星火认知大模型Web API python示例源码文件共两个

  • 测试例子:test.py
  • 接口请求与接口解析函数:SparkApi.py

星火认知大模型Web API python的示例下载
在这里插入图片描述

这里只在 示例的基础上 参考 星火认知大模型Web API文档改为了 星火大模型V3.5版本的请求地址,因为这里申请的是V3.5版本的对话额度。

  • 我的本地测试效果如图2(命令行效果):

在这里插入图片描述(图2)

  • 这里的示例代码如下(domain = “generalv3.5” # v3.5版本):
*接口请求与接口解析函数:SparkApi.py
# 接口请求与接口解析函数: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  # 使用websocket_client
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 ="") #持续打印  间断收到的信息
        global answer
        answer += content   #不断将收到的信息拼接到 回复对话
        # print(1)
        if status == 2:     #对话回复的拼接结束
            # print(answer,end ="") #打印完整回复
            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,
                "temperature": 0.5,
                "max_tokens": 2048
            }
        },
        "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})

*测试例子:test.py
# 测试例子:test.py

import SparkApi

#以下密钥信息从控制台获取
appid = "填写控制台中获取的 APPID 信息"     #填写控制台中获取的 APPID 信息
api_secret = "填写控制台中获取的 APISecret 信息"     #填写控制台中获取的 APISecret 信息
api_key ="填写控制台中获取的 APIKey 信息"         #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 = "generalv3.5"    # v3.5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/v3.5/chat"    # v3.5环境的地址


text =[]
# length = 0

def getText(role,content):
    jsoncon = {}
    jsoncon["role"] = role
    jsoncon["content"] = content
    text.append(jsoncon)
    return text

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

def checklen(text):
    while (getlength(text) > 8000):
        del text[0]
    return text
    


if __name__ == '__main__':
    text.clear
    charTimes=0
    while(1):
        print("==========\r\n")
        charTimes+=1
        print("---我的提问"+str(charTimes)+"\r\n")
        Input = input("提问:")
        question = checklen(getText("user",Input))

        SparkApi.answer =""
        SparkApi.main(appid,api_key,api_secret,Spark_url,domain,question)

        getText("assistant",SparkApi.answer)
        print("星火:"+ SparkApi.answer, end = "\r\n\n")
        
        print("---text回复"+str(charTimes)+"原JSON内容:\r\n")
        print(text[-2])
        print(text[-1])
        print("==========\r\n")

  • 5
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
星火认知模型是一种基于深度学习技术的自然语言处理模型,具有语义理解、情感分析、知识图谱等多种功能。它能够对自然语言进行分析、处理和理解,从而实现智能对话、知识查询、情感识别等应用。 技术路径: 1. 数据准备:收集大规模的自然语言数据,包括语料库、知识图谱等。 2. 模型训练:使用深度学习技术,训练多个子模型,包括语义理解模型、情感分析模型、知识图谱模型等。 3. 模型融合:将多个子模型进行融合,构建出更加强大的大模型,并进行优化和调整,以提高模型的性能和鲁棒性。 4. 应用部署:将大模型部署到云端服务器或边缘设备上,以提供智能对话、知识查询、情感识别等应用服务。 技术架构: 星火认知模型的技术架构包括数据准备、模型训练、模型融合和应用部署四个主要组件。其中,数据准备阶段需要收集大规模的自然语言数据,包括语料库、知识图谱等,模型训练阶段使用深度学习技术训练多个子模型模型融合阶段将多个子模型进行融合,构建出更加强大的大模型,并进行优化和调整,应用部署阶段将大模型部署到云端服务器或边缘设备上,以提供智能对话、知识查询、情感识别等应用服务。 在技术架构中,星火认知模型采用了深度神经网络模型,包括Transformer、BERT、GPT等,这些模型具有强大的自然语言处理能力,能够对自然语言进行深入分析和处理。同时,大模型还集成了多个子模型,包括语义理解模型、情感分析模型、知识图谱模型等,这些子模型各自处理不同的自然语言任务,综合起来能够实现更加全面和复杂的自然语言处理任务。总体来说,星火认知模型的技术架构具有高效、可靠、安全、可扩展等特点,为用户提供了高质量的自然语言处理服务。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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