智谱清言多轮对话生成文章工具软件介绍,支持多个API同时多线程生成。

最近和做自媒体的讨论了很多,收获颇多。然,有的人喜欢走垂直路线,有的人喜欢走数量路线。我也没啥才艺,所以也是走后者。

这两天抽时间写了一个程序,是关于ai生成文章的,我起名叫做,智谱清言多轮对话生成文章软件。下边就当教程一下给大家介绍一下,以后有人问直接看这篇文章就可以了。

  • 智谱清言ai生成文章软件功能介绍

  1. 可以设置多个api,同时每个api多线程并发批量生成文章。
  2. 每个api对应处理不同的TXT文件,每个txt里每行内容为一个标题。
  3. 可随心设置多少轮对话。但有注意事项,后边会讲。
  4. 自动合并多轮对话内容保存为txt文件。
  5. 自定义智谱清言的接口,可换接口。
  6. 自定义多轮生成指令。
  • Ai批量生成文章操作教程

  1. 配置参数config.json

介绍一下每个参数的含义,这里配置不对,软件就会报错哦!

Jiekouurl:默认,这个不需要改动。

txt_filename:对应的是生成指令txt文件的路径,这里设置的是根目录。

model: 一般使用GLM-4-Air接口和glm-4接口名称,当然你可以用其他的。

num_threads: 默认的并发数是5,智谱清言默认初级用户最高是5个并发。

num_runs: 这个含义是几轮对话,默认是3轮,这里几轮要和你指令对的上。

output_dir": 这里是保存目录"E:\\py已打包软件\\改写软件1.0\\生成txt"。

API_KEY": 智谱清言api接口的key。

additional_content_filename: 对应要处理的哪个txt文件名称。指令的设置要求

先看下图:

生成指令txt文件里,有个英文[]号,它代表的是分割内容,这是3轮对话的指令格式。第一个[]前是第一轮对话指令,之后是第2轮对话指令,第2个[]后的内容那就是第3轮的对话指令了。

这里要弄明白哦!!

注意事项,必看!很重要!

保存路径的格式注意事项

我们从文件夹路径复制粘贴过来,他应该是‘E:\打包软件\正式版软件’这种的,不符合程序要求,要改成‘E:\\打包软件\\正式版软件’!

看到了吗?要加\线到路径里。这个非常重要。

生成指令txt注意事项

上边我们说到参数num_runs代表是程序进行几轮对话,那么对应的生成指令你就要设置几个分割。比如上边设置的3轮,那么指令文件里就像上图那样用两个[]分割成3个指令段。如果是4轮?那有几个[]呢?恭喜你,答对了,3个[]。

设置多个api格式

在config.json文件里设置多个api格式,看下图:

在tasks里,复制大括号里的内容就行,但是注意,只有最后一个api的大括弧后边不需要英文逗号,其余的都要用。仔细看图啊~~

上图就代表4个智谱清言的api接口,同时5个线程,进行3轮对话批量生成文章,保存txt。

运行界面

这里如果标题有重复的,它会在重复的文件名后加一个数字的,防止文件重复覆盖保存。

好了,基本上该注意的都讲了。到此结束。

  • 5
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
作为一个NLP研发工程师,与代码相关的技术非常广泛。以下是一些可能涵盖的技术领域和分类,尽可能地列举了100个常用或重要的技术: 1. 编程语言与开发工具: - Python - Java - C++ - R - Scala - Jupyter Notebook - PyCharm - Eclipse - IntelliJ IDEA - Visual Studio Code 2. 自然语言处理库和框架: - Natural Language Toolkit (NLTK) - spaCy - TensorFlow - PyTorch - Keras - Gensim - AllenNLP - Hugging Face Transformers - FastText - CoreNLP 3. 数据处理与分析: - 数据清洗与处理 - 数据可视化 - 数据分析与统计 - 数据挖掘与特征工程 - 数据库操作(SQL、NoSQL) 4. 文本预处理: - 分词与词性标注 - 停用词去除 - 词干化与词形还原 - 实体识别与命名实体识别(NER) - 句法分析与依存关系分析 5. 机器学习与深度学习算法: - 朴素贝叶斯分类器(Naive Bayes) - 支持向量机(SVM) - 随机森林(Random Forest) - 最大熵模型(MaxEnt) - 神经网络(Neural Networks) - 卷积神经网络(CNN) - 循环神经网络(RNN) - 长短期记忆网络(LSTM) - 注意力机制(Attention) - Transformer 6. 文本表示与词向量模型: - 词袋模型(Bag-of-Words) - TF-IDF - Word2Vec - GloVe - FastText - ELMo - BERT - GPT 7. 信息检索与搜索: - 倒排索引 - BM25 - Elasticsearch - Lucene - SOLR 8. 机器翻译与语言生成: - 统计机器翻译(SMT) - 神经机器翻译(NMT) - 语言模型 - 文本摘要与生成 - 对话系统 9. 文本分类与情感分析: - 朴素贝叶斯分类器(Naive Bayes) - 支持向量机(SVM) - 卷积神经网络(CNN) - 长短期记忆网络(LSTM) - 情感极性分析 10. 问答系统与知识图谱: - 文本匹配与相似度计算 - 基于规则的问答系统 - 基于检索的问答系统 - 基于知识图谱的问答系统 - 实体链接与关系抽取 11. 序列标注与序列生成: - 命名实体识别(NER) - 词性标注(POS) - 语义角色标注(SRL) - 序列到序列模型(Seq2Seq) - 序列生成任务 12. 文本嵌入与聚类: - 层次聚类 - K-means聚类 - DBSCAN聚类 - 文本嵌入可视化 13. 情感分析与情感识别: - 情感极性分析 - 情感强度分析 - 情感词典构建 14. 语音处理与语音识别: - 语音特征提取 - 音频信号处理 - 隐马尔可夫模型(HMM) - 自动语音识别(ASR) 15. 知识图谱与语义表示: - 图数据库(如Neo4j) - 本体论与RDF - 语义表示学习 - 知识图谱构建与查询 16. 实体链接与关系抽取: - 实体识别(NER) - 实体消歧 - 关系抽取 - 事件抽取 17. 模型优化与调试: - 超参数调优 - 模型融合 - 模型压缩与量化 - 梯度修剪与正则化 18. 模型部署与应用开发: - Web框架(Flask、Django等) - RESTful API - Docker容器化 - 多线程与分布式计算 以上列举了一些与代码相关的技术,但这只是一个大致的概述,实际工作中还需要不断学习和掌握最新的技术和工具。同时,熟悉软件工程和开发实践也是非常重要的,包括版本控制、测试、文档编写等方面的技能。请注意,这个列表只是给出了一个大致的概述,并不是详尽无遗。
评论
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