java调用讯飞星火认知模型

最新推荐文章于 2024-05-30 12:58:04 发布
最新推荐文章于 2024-05-30 12:58:04 发布
阅读量846 收藏 10
点赞数 4
文章标签： java 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yusheng_xyb/article/details/137970087
版权

 前往讯飞开发平台选择产品，获取appId、apiKey、APISecret，这里我选择的是v3.0模型。

java后端实现

本项目以及实现了基本的会话功能，小伙伴可以自己扩充其他的例如绘画功能。

注意：星火模型的api使用的是websocket协议，和chatGPT的http不一样，而且他的key也不但单单是APIKey，需要用特殊的算法得到验证令牌。详情可查看官网开发文档。

下面就来看看实现：

pom.xml，主要依赖

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>com.xyb</groupId>
    <artifactId>xfxh-sdk-java</artifactId>
    <version>1.0-SNAPSHOT</version>
    <name>xfxh-sdk-java</name>
    <description>Demo project for Spring Boot</description>
    <properties>
        <java.version>1.8</java.version>
    </properties>
    <dependencies>
        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <version>1.18.24</version>
            <scope>compile</scope>
        </dependency>

        <dependency>
            <groupId>org.slf4j</groupId>
            <artifactId>slf4j-api</artifactId>
            <version>2.0.6</version>
        </dependency>
        <dependency>
            <groupId>org.slf4j</groupId>
            <artifactId>slf4j-simple</artifactId>
            <version>2.0.6</version>
        </dependency>

        <dependency>
            <groupId>cn.hutool</groupId>
            <artifactId>hutool-all</artifactId>
            <version>5.8.18</version>
        </dependency>
        <dependency>
            <groupId>com.alibaba</groupId>
            <artifactId>fastjson</artifactId>
            <version>1.2.67</version>
        </dependency>

        <dependency>
            <groupId>com.squareup.okhttp3</groupId>
            <artifactId>okhttp-sse</artifactId>
            <version>3.14.9</version>
        </dependency>
        <dependency>
            <groupId>com.squareup.okhttp3</groupId>
            <artifactId>logging-interceptor</artifactId>
            <version>3.14.9</version>
        </dependency>
        <dependency>
            <groupId>com.squareup.retrofit2</groupId>
            <artifactId>retrofit</artifactId>
            <version>2.9.0</version>
        </dependency>
        <dependency>
            <groupId>com.squareup.retrofit2</groupId>
            <artifactId>converter-jackson</artifactId>
            <version>2.9.0</version>
        </dependency>
        <dependency>
            <groupId>com.squareup.retrofit2</groupId>
            <artifactId>adapter-rxjava2</artifactId>
            <version>2.9.0</version>
        </dependency>

        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>4.13.2</version>
            <scope>test</scope>
        </dependency>
        <dependency>
            <groupId>org.jetbrains</groupId>
            <artifactId>annotations</artifactId>
            <version>RELEASE</version>
            <scope>compile</scope>
        </dependency>
    </dependencies>

    <build>
        <finalName>chatgpt-sdk-java</finalName>
        <plugins>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-surefire-plugin</artifactId>
                <version>2.12.4</version>
                <configuration>
                    <skipTests>true</skipTests>
                </configuration>
            </plugin>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-compiler-plugin</artifactId>
                <configuration>
                    <source>8</source>
                    <target>8</target>
                </configuration>
            </plugin>
        </plugins>
    </build>

</project>

请求参数

package com.xyb.xfxh.dto;

import com.alibaba.fastjson.annotation.JSONField;
import com.fasterxml.jackson.annotation.JsonProperty;
import lombok.AllArgsConstructor;
import lombok.Builder;
import lombok.Data;
import lombok.NoArgsConstructor;

import java.util.List;

/**
 * 请求参数
 */

@NoArgsConstructor
@Data
@Builder
@AllArgsConstructor
public class RequestDTO {

    @JsonProperty("header")
    private HeaderDTO header;
    @JsonProperty("parameter")
    private ParameterDTO parameter;
    @JsonProperty("payload")
    private PayloadDTO payload;

    @NoArgsConstructor
    @Data
    @AllArgsConstructor
    @Builder
    public static class HeaderDTO {
        /**
         * 应用appid，从开放平台控制台创建的应用中获取
         */
        @JSONField(name = "app_id")
        private String appId;
        /**
         * 每个用户的id，用于区分不同用户，最大长度32
         */
        @JSONField(name = "uid")
        private String uid;
    }

    @NoArgsConstructor
    @Data
    @AllArgsConstructor
    @Builder
    public static class ParameterDTO {
        private ChatDTO chat;

        @NoArgsConstructor
        @Data
        @AllArgsConstructor
        @Builder
        public static class ChatDTO {
            /**
             * 指定访问的领域,generalv3指向V3.0版本！
             */
            @JsonProperty("domain")
            private String domain = "generalv3";
            /**
             * 核采样阈值。用于决定结果随机性，取值越高随机性越强即相同的问题得到的不同答案的可能性越高
             */
            @JsonProperty("temperature")
            private Float temperature = 0.5F;
            /**
             * 模型回答的tokens的最大长度
             */
            @JSONField(name = "max_tokens")
            private Integer maxTokens = 2048;
        }
    }

    @NoArgsConstructor
    @Data
    @AllArgsConstructor
    @Builder
    public static class PayloadDTO {
        @JsonProperty("message")
        private MessageDTO message;

        @NoArgsConstructor
        @Data
        @AllArgsConstructor
        @Builder
        public static class MessageDTO {
            @JsonProperty("text")
            private List<MsgDTO> text;
        }
    }
}

注意：domain具体看你选择的模型

响应参数

package com.xyb.xfxh.dto;

import com.fasterxml.jackson.annotation.JsonProperty;
import lombok.Data;
import lombok.NoArgsConstructor;

import java.util.List;

@NoArgsConstructor
@Data
public class ResponseDTO {

    @JsonProperty("header")
    private HeaderDTO header;
    @JsonProperty("payload")
    private PayloadDTO payload;

    @NoArgsConstructor
    @Data
    public static class HeaderDTO {
        /**
         * 错误码，0表示正常，非0表示出错
         */
        @JsonProperty("code")
        private Integer code;
        /**
         * 会话是否成功的描述信息
         */
        @JsonProperty("message")
        private String message;
        /**
         * 会话的唯一id，用于讯飞技术人员查询服务端会话日志使用,出现调用错误时建议留存该字段
         */
        @JsonProperty("sid")
        private String sid;
        /**
         * 会话状态，取值为[0,1,2]；0代表首次结果；1代表中间结果；2代表最后一个结果
         */
        @JsonProperty("status")
        private Integer status;
    }

    @NoArgsConstructor
    @Data
    public static class PayloadDTO {
        @JsonProperty("choices")
        private ChoicesDTO choices;
        /**
         * 在最后一次结果返回
         */
        @JsonProperty("usage")
        private UsageDTO usage;

        @NoArgsConstructor
        @Data
        public static class ChoicesDTO {
            /**
             * 文本响应状态，取值为[0,1,2]; 0代表首个文本结果；1代表中间文本结果；2代表最后一个文本结果
             */
            @JsonProperty("status")
            private Integer status;
            /**
             * 返回的数据序号，取值为[0,9999999]
             */
            @JsonProperty("seq")
            private Integer seq;
            /**
             * 响应文本
             */
            @JsonProperty("text")
            private List<MsgDTO> text;

        }

        @NoArgsConstructor
        @Data
        public static class UsageDTO {
            @JsonProperty("text")
            private TextDTO text;

            @NoArgsConstructor
            @Data
            public static class TextDTO {
                /**
                 * 保留字段，可忽略
                 */
                @JsonProperty("question_tokens")
                private Integer questionTokens;
                /**
                 * 包含历史问题的总tokens大小
                 */
                @JsonProperty("prompt_tokens")
                private Integer promptTokens;
                /**
                 * 回答的tokens大小
                 */
                @JsonProperty("completion_tokens")
                private Integer completionTokens;
                /**
                 * prompt_tokens和completion_tokens的和，也是本次交互计费的tokens大小
                 */
                @JsonProperty("total_tokens")
                private Integer totalTokens;
            }
        }
    }
}

MsgDto类

package com.xyb.xfxh.dto;

import com.fasterxml.jackson.annotation.JsonInclude;
import lombok.AllArgsConstructor;
import lombok.Builder;
import lombok.Data;
import lombok.NoArgsConstructor;

@Data
@AllArgsConstructor
@NoArgsConstructor
@Builder
@JsonInclude(JsonInclude.Include.NON_NULL)
public class MsgDTO {
    /**
     * 角色
     */
    private String role;
    /**
     * 消息内容
     */
    private String content;
    /**
     * 响应结果字段：结果序号，取值为[0,10]; 当前为保留字段，开发者可忽略
     */
    private Integer index;

    public static final String ROLE_USER = "user";
    public static final String ROLE_ASSISTANT = "assistant";

    public static MsgDTO createUserMsg(String content) {
        return new MsgDTO(ROLE_USER, content, null);
    }

    public static MsgDTO createAssistantMsg(String content) {
        return new MsgDTO(ROLE_ASSISTANT, content, null);
    }
}

定义接口

public interface IOpenAiApi {


    String v1_chat_completions = "v3.1/chat/";

    /**
     * 默认 星火认知大模型 问答模型
     * @param chatCompletionRequest 请求信息
     * @return                      返回结果
     */
    @POST(v1_chat_completions)
    Single<ResponseDTO> completions(@Body RequestDTO chatCompletionRequest);
}

在IOpenAiApi 接口中定义访问接口，目前只有简单问答模型。

会话接口

public interface OpenAiSession {
    /**
     * 星火认知大模型
     * @param requestDTO
     * @param
     * @return
     */
    WebSocket completions(RequestDTO requestDTO,  WebSocketListener listener) throws Exception;


    /**
     * 星火认知大模型， 用自己的数据
     * @param requestDTO
     * @param
     * @return
     */
    WebSocket completions(String apiHost, String apiKey, RequestDTO requestDTO,  WebSocketListener listener) throws Exception;

会话接口 OpenAiSession 与 IOpenAiApi 看上去是有些类似的。但有了这样一个接口，就可以封装出各类需要的扩展方法了。

会话工厂

public class DefaultOpenAiSessionFactory implements OpenAiSessionFactory {

    private final Configuration configuration;

    public DefaultOpenAiSessionFactory(Configuration configuration) {
        this.configuration = configuration;
    }


    @Override
    public OpenAiSession openSession() {
        // 日志配置
        HttpLoggingInterceptor httpLoggingInterceptor = new HttpLoggingInterceptor();
        httpLoggingInterceptor.setLevel(HttpLoggingInterceptor.Level.HEADERS);
        // 创建http客户端
        OpenAiInterceptor openAiInterceptor = new OpenAiInterceptor(configuration.getApiKey(), configuration);
        OkHttpClient okHttpClient = new OkHttpClient
                .Builder()
                .addInterceptor(httpLoggingInterceptor)
//                .addInterceptor(openAiInterceptor)
                .connectTimeout(450, TimeUnit.SECONDS)
                .writeTimeout(450, TimeUnit.SECONDS)
                .readTimeout(450, TimeUnit.SECONDS)
                .build();
        configuration.setOkHttpClient(okHttpClient);
        // 开启openai会话

        IOpenAiApi openAiApi = new Retrofit.Builder()
                .baseUrl(configuration.getApiHost())
                .client(okHttpClient)
                .addCallAdapterFactory(RxJava2CallAdapterFactory.create())
                .addConverterFactory(JacksonConverterFactory.create())
                .build().create(IOpenAiApi.class);
        configuration.setOpenAiApi(openAiApi);

        return new DefaultOpenAiSession(configuration);
    }
}

本来的目的是为了把HTTP相关的配置统一在这里配好，结果星火API不支持http协议，如果某个api是用http请求的，可以在这里进行统一配置。

会话接口的实现

public class DefaultOpenAiSession implements OpenAiSession {

    /** 配置信息 */
    private final Configuration configuration;

    private final EventSource.Factory factory;


    private final IOpenAiApi openAiApi;

    private static final String V = "v3.1/chat";

    public DefaultOpenAiSession(Configuration configuration) {
        this.configuration = configuration;
        this.openAiApi = configuration.getOpenAiApi();
        this.factory = configuration.createRequestFactory();
    }

    @Override
    public WebSocket completions(RequestDTO chatCompletionRequest,  WebSocketListener listener) throws Exception {
        return this.completions(null, null, chatCompletionRequest,  listener);
    }

    @Override
    public WebSocket completions(String apiHostByUser, String apiKeyByUser, RequestDTO chatCompletionRequest,  WebSocketListener listener) throws Exception {
        // 动态设置 Host、Key，便于用户传递自己的信息
        String apiHost = apiHostByUser == null ? configuration.getApiHost() : apiHostByUser;
        String apiKey = apiKeyByUser == null ? configuration.getApiKey() : apiKeyByUser;
        // 构建请求信息
        String key = AuthUtil.getKey(apiKey, configuration);
        System.out.println(key);
        Request request = new Request.Builder()
                // 这里的url需注意，需要提前处理好key，具体请前往讯飞开发平台查看开发文档
                // 参考格式：wss://spark-api.xf-yun.com/v1.1/chat?authorization=YXBpX2tleT0iYWRkZDIyNzJiNmQ4YjdjOGFiZGQ3OTUzMTQyMGNhM2IiLCBhbGdvcml0aG09ImhtYWMtc2hhMjU2IiwgaGVhZGVycz0iaG9zdCBkYXRlIHJlcXVlc3QtbGluZSIsIHNpZ25hdHVyZT0iejVnSGR1M3B4VlY0QURNeWs0Njd3T1dEUTlxNkJRelIzbmZNVGpjL0RhUT0i&date=Fri%2C+05+May+2023+10%3A43%3A39+GMT&host=spark-api.xf-yun.com
                .url(key)
                .build();
        // 建立 wss 连接
        OkHttpClient okHttpClient = new OkHttpClient.Builder().build();
        WebSocket webSocket = okHttpClient.newWebSocket(request, listener);
        // 发送请求
        webSocket.send(JSONObject.toJSONString(chatCompletionRequest));

        // 返回结果信息
        return webSocket;
    }
}

这样就可以通过OpenAiSession接口调用此服务啦

websocket鉴权

开发者需要自行先在控制台创建应用，利用应用中提供的appid，APIKey， APISecret进行鉴权，生成最终请求的鉴权url

public class AuthUtil {
    public static String getKey(String apiKeyBySystem, Configuration configuration) throws Exception {
        // 时间
        SimpleDateFormat format = new SimpleDateFormat("EEE, dd MMM yyyy HH:mm:ss z", Locale.US);
        format.setTimeZone(TimeZone.getTimeZone("GMT"));
        String date = format.format(new Date());
        // 拼接
        URL url = new URL(configuration.getApiHost().concat("v3.1/chat"));


        String preStr = "host: " + url.getHost() + "\n" +
                "date: " + date + "\n" +
                "GET " + url.getPath() + " HTTP/1.1";
        System.out.println(preStr);
        // SHA256加密
        Mac mac = Mac.getInstance("hmacsha256");
        SecretKeySpec spec = new SecretKeySpec(configuration.getApiSecret().getBytes(StandardCharsets.UTF_8), "hmacsha256");
        mac.init(spec);

        byte[] hexDigits = mac.doFinal(preStr.getBytes(StandardCharsets.UTF_8));
        // Base64加密
        String sha = Base64.getEncoder().encodeToString(hexDigits);
        // 拼接
        String authorizationOrigin = String.format("api_key=\"%s\", algorithm=\"%s\", headers=\"%s\", signature=\"%s\"", apiKeyBySystem, "hmac-sha256", "host date request-line", sha);
        String encodeToString = Base64.getEncoder().encodeToString(authorizationOrigin.getBytes(StandardCharsets.UTF_8));

        String most_url = url+"?authorization="+encodeToString+"&date="+date+"&host="+url.getHost();
        return most_url;
    }
}

一定得注意星火api的url格式，建议详读开发文档，星火认知大模型服务说明 | 讯飞开放平台文档中心 (xfyun.cn)

下面是测试代码

@Slf4j
public class ApiTest {
    private OpenAiSession openAiSession;

    private StringBuilder answer = new StringBuilder();

    @Before
    public void test_OpenAiSessionFactory() {
        // 1. 配置文件
        Configuration configuration = new Configuration();
        configuration.setAppId("你的appId");
        configuration.setApiHost("https://spark-api.xf-yun.com/");
        configuration.setApiKey("你的apikey");
        configuration.setApiSecret("你的apiSecret");
        // 可以根据课程首页评论置顶说明获取 apihost、apikey；https://t.zsxq.com/0d3o5FKvc
//        configuration.setAuthToken("eyJhbGciOiJIUzI1NiJ9.eyJzdWIiOiJ4ZmciLCJleHAiOjE2ODMyNzIyMjAsImlhdCI6MTY4MzI2ODYyMCwianRpIjoiOTkwMmM4MjItNzI2MC00OGEwLWI0NDUtN2UwZGZhOGVhOGYwIiwidXNlcm5hbWUiOiJ4ZmcifQ.Om7SdWdiIevvaWdPn7D9PnWS-ZmgbNodYTh04Tfb124");
        // 2. 会话工厂
        OpenAiSessionFactory factory = new DefaultOpenAiSessionFactory(configuration);
        // 3. 开启会话
        this.openAiSession = factory.openSession();
    }


    /**
     * 【常用对话模式，推荐使用此模型进行测试】
     * 此对话模型 3.0 接近于官网体验 & 流式应答
     */
    @Test
    public void test_chat_completions_stream_channel() throws Exception {
        RequestDTO chatCompletion = RequestDTO
                .builder()
                .header(RequestDTO.HeaderDTO.builder().appId("你的appId").uid("111").build())
                .parameter(RequestDTO.ParameterDTO.builder().chat(RequestDTO.ParameterDTO.ChatDTO.builder().domain("generalv3").maxTokens(2048).temperature(0.5F).build()).build())
                .payload(RequestDTO.PayloadDTO.builder().message(RequestDTO.PayloadDTO.MessageDTO.builder().text(Collections.singletonList(MsgDTO.builder().role("user").content("你是谁").index(1).build())).build()).build()).build();


        // 3. 发起请求
        WebSocket webSocket = openAiSession.completions(chatCompletion, new WebSocketListener() {
            @Override
            public void onOpen(WebSocket webSocket, Response response) {
                super.onOpen(webSocket, response);
                log.info("连接成功");
            }

            @Override
            public void onMessage(WebSocket webSocket, String text) {
                super.onMessage(webSocket, text);
                // 将大模型回复的 JSON 文本转为 ResponseDTO 对象
                ResponseDTO responseData = JSONObject.parseObject(text, ResponseDTO.class);
                // 如果响应数据中的 header 的 code 值不为 0，则表示响应错误
                if (responseData.getHeader().getCode() != 0) {
                    // 日志记录
                    log.error("发生错误，错误码为：" + responseData.getHeader().getCode() + "; " + "信息：" + responseData.getHeader().getMessage());
                    return;
                }
                // 将回答进行拼接
                for (MsgDTO msgDTO : responseData.getPayload().getChoices().getText()) {
//                    apiTest.answer.append(msgDTO.getContent());
                    log.info("text:"+msgDTO.getContent());

                }

               /* // 对最后一个文本结果进行处理
                if (2 == responseData.getHeader().getStatus()) {
                    wsCloseFlag = true;
                }*/

            }

            @Override
            public void onFailure(WebSocket webSocket, Throwable t, Response response) {
                super.onFailure(webSocket, t, response);
                log.error("error:"+response.message());
            }
        });
        // 等待
        new CountDownLatch(1).await();
    }
}

现在应该就能正常使用讯飞的星火大模型了

yusheng_xyb
关注
  • 4
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
3秒钟接入讯飞星火AI大模型就是这么快（Java版）
crud的xiaodu
01-22 2039
【代码】3秒钟接入讯飞星火AI大模型就是这么快（Java版）
讯飞星火大模型 Python api 接口，快捷方便地在 Python 项目中引入星火模型。
03-05
讯飞星火大模型 Python api 接口，快捷方便地在 Python 项目中引入星火模型。支持讯飞星火v3.0 v2.0 v1.0。支持接入”星火知识库“ 适合学习/练手、毕业设计、课程设计、期末/期中/大作业、工程实训、相关项目/竞赛学习等。 项目具有较高的学习借鉴价值，也可直接拿来修改复现。可以在这些基础上学习借鉴进行修改和扩展，实现其它功能。 可放心下载学习借鉴，你会有所收获。 # 注意 1. 本资源仅用于开源学习和技术交流。不可商用等，一切后果由使用者承担。 2. 部分字体以及插图等来自网络，若是侵权请联系删除。
讯飞星火大模型提前内测，我们把它和ChatGPT做了个对比
04-29
原定5月6日公布的讯飞星火认知大模型提前内测了！ 第一时间申请了内测，搜集了办公室小伙伴们最感兴趣的问题后，我们第一波测试了讯飞星火认知大模型的基础能力。 个人数据是否会被用于模型训练？星火和ChatGPT谁更厉害？大模型的创作能力水平如何？它对人类提问的理解到了什么程度？等关注度较高的问题，在本文中都能找到答案！ 接下来我们就一起看看讯飞星火认知大模型的能力究竟如何吧～ 登陆后界面显示还是很简单明了的，也列举了一些问题方便第一次使用的用户理解和提问。 当同时对星火和ChatGPT提出“谁更厉害”的问题时，星火的回答显得更加“谨慎”，表示各有各的优势，而ChatGPT的回答则“谦虚”的多。 下面这两段是大模型自己写的介绍自己能力的文字，你能猜出哪段是星火写的，哪段是ChatGPT写的吗？回答1 作为一个大型语言模型，我具有强大的自然语言处理能力，可以理解和生成人类语言。我可以进行文本分析、语义理解、语音合成、智能问答、自然语言生成等多种任务，能够快速地处理海量的文本数据，为用户提供高质量、个性化的语言交互体验。我的能力不仅局限于中文，还支持多种语言，包括英语、法语、西班牙语等。同时，我
讯飞星火认知大模型体验方式&测试指南
04-26
【科大讯飞星火认知大模型目前已经可以体验，据说口碑还行，欢迎自取测试】讯飞星火认知大模型，是科大讯飞最新推出的以中文为核心的新一代认知智能大模型，具备跨领域多任务上类人的理解和生成能力，可实现基于自然对话方式的用户需求理解与任务执行；同时，通过多元能力融合统一赋能各行各业，基于科大讯飞新一代大模型训练框架，持续从海量数据和大规模知识中不断学习进化。
星火认知大模型
2301_79128641的博客
07-15 292
星火认知大模型”是纯文本模型，输入和输出内容全是文本，与ChatGPT和ChatGLM模型一致，与GPT4和文心一言不同。先来一道写代码的题目，问：“我现在有张excel表，表头如下：世界排名、学校名称、地区、综合得分，写一个代码将学校名称后面加“*”并打印出结果。的内容，生成内容一开始挺好的，后面还是有事实性错误，虽然用于承认错误，但并没有改对。角色扮演的效果也还很好的，可以按照角色，解决实际问题，问：“你是一个。生成代码正确，成功将“学校名称”一列内容加“*”，效果很理想。接下来测试一下“国粹”，
讯飞星火认知大模型Java后端接口
是谢添啊
09-21 6635
我已经写了一个比较完整的 SpringBoot Demo 项目，为了方便理解对代码做了详细注释，已开源在 GitHub。下载后只需要找到 xfxh-web-simple-demo 模块，在其 application.yml 文件配置你自己的 `APPID`、`APISecret`、`APIKey` 信息，再以 GET 方式访问接口进行测试：http://localhost:8080/test/sendQuestion?question=hello
讯飞星火大模型api调用
shy_snow的专栏
12-16 2142
讯飞星火大模型，通过websocket方式通信传递协议要求的报文，然后将流式返回的报文拼接为完整的响应内容，status=2时是最后一条消息。因为是websocket方式所以是异步响应的，如果想要同步需要使用CountDownLatch控制下线程等待最后一条消息处理完再继续往下走。星火不同版本稍微有一些差异，具体以官网提供的demo为准。
JAVA对接语言大模型，百度云（文心一言）、阿里（通义千问）、科大讯飞（星火认知大模型）
weixin_49997433的博客
12-22 1680
java对接语言大模型，百度云（文心一言）、阿里（通义千问）、科大讯飞（星火认知大模型）
springBoot整合讯飞星火认知大模型
qq_33479841的博客
10-20 4815
讯飞星火大模型是科大讯飞最近开放的拥有跨领域的知识和语言理解能力的大模型，能够完成问答对话和文学创作等。由于讯飞星火大模型最近可以免费试用，开发者都可以免费申请一个QPS不超过2的账号，用来实现对平台能力的验证。本文将利用Springboot框架对星火大模型进行整合，使其能够提供简单的问答能力。
(spark-ai-python)讯飞星火大模型接入库
04-03
python接入星火大模型没有一个统一官方维护的Library， 此番开源本sdk，也是为了能够让星火大模型更快落到实际的一些AI大模型应用相关的开发任务中去，简化python用户调用大模型成本
讯飞星火大模型的Java SDK 易使用、开箱即用、支持异常、输出、会话结束、会话结束Token信息返回等多种自定义回调处理
05-16
讯飞星火大模型的Java SDK。易使用、开箱即用、支持异常、输出、会话结束、会话结束Token信息返回等多种自定义回调处理。
讯飞星火大模型接入库 (opensource)
12-23
讯飞星火大模型接入库 (opensource)。 极简的接入,快速调用讯飞星火大模型。 发布pypi。移植Langchain Memory实现，简单几行代码实现chat功能。Memory支持: in_memory, file。postgres, redis。 断线自动重连
讯飞星火ai封装java代码
qq_29238373的博客
11-28 261
讯飞星火ai代码示例
星火大模型AI接口Spring中项目中使用【星火、AIGC】
AjwlForever虞启贤的微博
10-06 2541
由官方描述可见，其中 payload.choice.text中的内容就是构造的MsgDto, 根据官方文档给出的接口响应构造XfunReceieveRequest；这样整个星火的AIGC就设计完成，可以随意复用在任意的项目之中，利用XfunListener即可发送消息或获取消息。在项目中使用我们需要一个Config进行全局配置，一个WebListener发送接受请求，还有与星火交互的DTO。详细的数据处理，发送消息，另外写一个AI的Service做具体的处理即可。AiManager运行结果。
项目接入星火认知大模型！！！
redrun博客
07-27 2115
下载该项目到讯飞开发平台注册账户，这样可以添加应用到讯飞控制台添加一个应用，这样可以获取 APPID，APISecret，APIKey等打开我们项目修改xinghuodemo/main.js中的代码，填写自己的APPID，APISecret，APIKey然后执行下面指令然后访问地址，可以开始使用啦。
星火认知大模型---Java 带上下文调用示例代码解读
吉屋安的博客
02-22 594
WebSocket 接收到消息时的回调函数，处理接收到的消息，并设置标志以关闭WebSocket。主函数，通过循环等待用户输入问题，然后构建鉴权URL，创建WebSocket请求。构造函数，接受用户ID和WebSocket关闭标志作为参数，并进行初始化。创建一个 Gson 对象，用于处理 JSON 数据的序列化和反序列化。，用于判断是否可以将新的对话历史加入集合中，控制历史记录的最大长度。WebSocket 失败时的回调函数，处理连接失败的情况。，用于表示对话中的角色和内容。，用于存储对话的历史记录。
【讯飞星火认知大模型】大模型之星火手机助理
Talk is cheap. Show me the code
08-10 2326
讯飞星火认知大模型是科大讯飞自研的基于深度学习的自然语言处理模型，它可以理解和生成中文，执行多种任务，如问答、翻译、写作、编程等。它的目标是实现“智能涌现”，覆盖多维度多任务多行业的客观评测，对标ChatGPT和GPT-4。它还支持语音输入和输出，可以与用户进行自然对话。官网。
进阶2 探索图形化编程：扩展图形组件与切片开发的魅力
最新发布
优树搭的博客
05-30 1635
当这些切片成功地通过图形程序串联起来后，在后续进行程序升级或维护时，大家会惊喜地发现，图形程序就如同清晰的路标一般，可以非常便捷地通过图形程序准确地定位到相关切片，并对这些切片进行在线查看、编辑和执行等操作。而且，这些切片的代码长度通常不会太长，相比传统开发的代码，阅读起来要容易得多，这无疑会给系统后续的工作带来极大的便利。
springboot整合讯飞星火认知大模型
03-04
Spring Boot是一个用于快速构建Java应用程序的开源框架，它简化了Spring应用程序的配置和部署过程。而讯飞星火认知大模型是科大讯飞推出的一款自然语言处理技术，可以实现文本的语义理解、情感分析、智能问答等功能。下面是Spring Boot整合讯飞星火认知大模型的步骤： 1. 引入依赖：在Spring Boot项目的pom.xml文件中添加讯飞星火认知大模型的依赖。 2. 配置讯飞星火认知大模型的相关参数：在Spring Boot项目的配置文件（如application.properties或application.yml）中配置讯飞星火认知大模型的AppID、API Key、Secret Key等参数。 3. 创建讯飞星火认知大模型的客户端：在Spring Boot项目中创建一个讯飞星火认知大模型的客户端类，用于调用讯飞星火认知大模型的接口。 4. 调用接口进行文本处理：在需要使用讯飞星火认知大模型的地方，通过调用客户端类中的方法，将待处理的文本传入接口进行处理，并获取返回结果。 5. 处理返回结果：根据接口返回的结果，进行相应的业务逻辑处理，如提取关键词、情感分析、智能问答等。 6. 部署和测试：将整合好讯飞星火认知大模型的Spring Boot应用程序部署到服务器上，并进行测试，确保功能正常运行。

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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