上一篇提到过星火spark大模型，现在有更新到3.0：
给ChuanhuChatGPT 配上讯飞星火spark大模型V2.0（一）
同时又看到有知识库问答的web api，于是就测试了一下。
下一篇是在ChuanhuChatGPT 中单独写一个基于星火知识库的内容。
1 SparkDesk的文档问答
SparkDesk的文档问答模块相关文档与地址：
- 官方演示地址: https://chatdoc.xfyun.cn/chat
- 星火知识库 API 文档
- embedding API 文档
本篇记录的是通过星火知识库Web API +ChuanhuGPT 的一个实验项目
吐槽一下：
星火文档问答官方开放的代码不咋地，可能没啥人用，拿个半成品就挂官方了？？ 讯飞的AI社区官方感觉也不咋运营…
知识库web api整体结构还是简单的，不过跟在线的版本，有一些功能上的阉割：
- 文档上传
- 文档总结/摘要
- 文档问答
知识库API 第一次申请会给1000次额度：
2 代码示例
笔者稍微打包了一下，具体代码放到了我的github：SparkDesk_Document_QA：
Document_upload_summary.py：文档上传 + 文档总结Document_Q_And_A.py：文档问答
使用前需申请一下api key + 安装依赖：
pip install websocket -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install websocket-client -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install requests_toolbelt -i https://pypi.tuna.tsinghua.edu.cn/simple
2.1 文档上传+文档总结
官方关于文档总结有两个接口，我就没看懂这俩啥区别。。所以只封装一个进来，与文档上传放在一个类中。
官方文档：ChatDoc
文档上传规范：
上传知识库文档数据，目前支持 doc/docx、pdf、md、txt 格式，单文件大小不超过 20MB，不超过 100W 字符。
文档上传参数含义：
文档上传返回参数详情：
文档总结参数请求：
文档总结输出内容：
本地文档上传示例：
APPId = "xxxx"
APISecret = "xxxx"
dus = Document_Upload_Summary(APPId, APISecret)
# 本地文档上传
files = {'file': open('背影.txt', 'rb')}
body = {
"url": "",
"fileName": "背影.txt",
"fileType": "wiki", # 固定值
"needSummary": False,
"stepByStep": False,
"callbackUrl": "your_callbackUrl",
}
response = dus.upload_files(files,body)
if response.json()['code'] == 0:
print(f'请求的文件FIleId:{response.json()["data"]["fileId"]}')
# 文档总结
fileid = 'xxxx'
response = dus.file_summary(fileid)
response.json()
其中，注意，
- 文档上传还是一个个上传比较好，需要记录下fileid，之后对话就是根据这个进行问答；
- 文档上传可以用URL
20231207update：
- 从实验来看，如果上传的是txt格式的文档，接口好像出不了总结
{'flag': True, 'code': 0,'desc': '成功', 'data': None, 'sid': 'xxx'}
但是同一个txt，星火知识库网页版又可以出总结，感觉接口出现了什么问题：
2.2 文档对话
这里本来是支持流式输出的，笔者改成了一次性全部输出，是通过global的方式
此时额外学了一下websocket：python中使用websocket调用、获取、保存大模型API
官方文档：ChatDoc
文档对话的参数：
输出参数详情：
若返回 fileRefer 为空，提示 "抱款，在文档中没有找到与提问相关的内容，请尝试换个问题问问吧。"表示提问未匹配到文档内容，可以降低chatExtends.wikiFilterScore以降低匹配阈值，也可以开启chatExtends.sparkWhenWithoutEmbedding用大模型兜底
此时这里对于fileRefer是有点问题的，接口文档没有标记 下面列表的6 具体代表的是第六页，还是第6个chunk，如果是第6个chunk，那么第6个，是按什么规矩进行划分，每一个chunk是什么，也是没有表述清晰的：
{'xx1': [6], 'xx2': [0],'xx3': [14]}
单轮对话：
APPId = "xxxx"
APISecret = "xxxxxx"
doc_qa = Document_Q_And_A(APPId, APISecret)
# 单轮对话
body = {
'chatExtends' : {
"wikiPromptTpl": "请将以下内容作为已知信息：\n<wikicontent>\n请根据以上内容回答用户的问题。\n问题:<wikiquestion>\n回答:",
"wikiFilterScore": 65,
"temperature": 0.5,
'sparkWhenWithoutEmbedding':False
},
"fileIds": [
"xxxxx"
],
"messages": [
{
"role": "user",
"content": "父亲要走的时候，去买了什么东西？"
}
]
}
recep_mesg = doc_qa.chat(body)
doc_qa.embellish_message_func(recep_mesg)
其中，
websocket是把一句话流式，一个片段一个片段的输出，embellish_message_func就是把这些拼装起来；
body中chatExtends 可以不设置，也有默认；fileIds 是之前上传的field，可以支持多个field
embellish_message_func输出两类内容:
- 一句完整的话
- 引用的参考文献内容，是一个字典形式，
{'43816997a7a44a299d0bfb7c360c5838': [2, 0, 1]}
多轮对话：
# 多轮对话
body = {
"fileIds": [
"xxxxxx"
],
"messages": [
{
"role": "user",
"content": "父亲要走的时候，去买了什么东西？"
},
{
"role": "user",
"content": "如何理赔"
},
{
"role": "assistant",
"content": "您好，根据您提供的信息，理赔操作指引如下：\n\n1. 登录小程序，点击“理赔申请”。\n2. 选择对应保单。\n3. 上传理赔相关资料。\n4. 填写发票总金额。\n5. 填写银行账户，需精确到支行。\n6. 点击“提交”成功后，返回“理赔服务”界面，点选“理赔查询”，查看理赔进度和申请记录。\n7. 如有需要，点击“查看详情”，查看理赔详情和金额。\n\n请注意，如有严重既往症员工还请和HR部门及时报备沟通，如未及时报备，保险公司不承担相关责任。同时，索赔资料不齐全导致延迟赔付等问题也需要注意。"
},
{
"role": "user",
"content": "家属有什么福利"
}
]
}
doc_qa.chat(body)
recep_mesg
如上进行多轮对话输出
2.3 其他知识库高级功能
星火知识库服务还提供 自定义切分、OCR 识别、文档内容查询、内容相似度检索等功能，如有需要请联系cbg_open_ml@iflytek.com
貌似没理我，暂时没申请到…
443
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
