大模型相关目录
大模型,包括部署微调prompt/Agent应用开发、知识库增强、数据库增强、知识图谱增强、自然语言处理、多模态等大模型应用开发内容
从0起步,扬帆起航。
- 大模型应用向开发路径:AI代理工作流
- 大模型应用开发实用开源项目汇总
- 大模型问答项目问答性能评估方法
- 大模型数据侧总结
- 大模型token等基本概念及参数和内存的关系
- 大模型应用开发-华为大模型生态规划
- 从零开始的LLaMA-Factory的指令增量微调
- 基于实体抽取-SMC-语义向量的大模型能力评估通用算法(附代码)
- 基于Langchain-chatchat的向量库构建及检索(附代码)
- 一文教你成为合格的Prompt工程师
- 最简明的大模型agent教程
- 批量使用API调用langchain-chatchat知识库能力
- langchin-chatchat部分开发笔记(持续更新)
- 文心一言、讯飞星火、GPT、通义千问等线上API调用示例
- 大模型RAG性能提升路径
- langchain的基本使用
- 结合基础模型的大模型多源信息应用开发
- COT:大模型的强化利器
- 多角色大模型问答性能提升策略(附代码)
- 大模型接入外部在线信息提升应用性能
- 从零开始的Dify大模型应用开发指南
- 基于dify开发的多模态大模型应用(附代码)
- 基于零一万物多模态大模型通过外接数据方案优化图像文字抽取系统
- 快速接入stable diffusion的文生图能力
- 多模态大模型通过外接数据方案实现电力智能巡检(设计方案)
- 大模型prompt实例:知识库信息质量校验模块
- 基于Dify的LLM-RAG多轮对话需求解决方案(附代码)
- Dify大模型开发技巧:约束大模型回答范围
- 以API形式调用Dify项目应用(附代码)
需求介绍
Dify主要提供用户UI使用界面,但对与部分场景和API形式调用项目应用十分必要。
实际上,Dify也提供了相应的服务。
具体实现
如上图所示,base_urlhe与相应密钥容易获得。
代码如下:
import requests
import json
# API URL
api_url = "http://172.20.32.127:5001/v1/chat-messages"
# API Key
api_key = "app-Nli22sBKsN0gDdXcBP9aVpnE"
# Request headers
headers = {
'Authorization': f'Bearer {api_key}',
'Content-Type': 'application/json',
}
# Request payload
data = {
"inputs": { "url": "https://picture.gptkong.com/20240626/16577e63255c294a5c941336c6703553b9.png" },
"query": "识别图片",
"response_mode": "blocking",
"conversation_id": "",
"user": "abc-123"
}
# Send the POST request
response = requests.post(api_url, headers=headers, data=json.dumps(data))
# Check the response
if response.status_code == 200:
print("Request successful")
print("Response:", response.json())
else:
print(f"Request failed with status code: {response.status_code}")
print("Error:", response.text)