文心一言,通营销之学,成一家之言,百度人工智能AI大数据模型文心一言Python3.10接入

“文心”取自《文心雕龙》一书的开篇，作者刘勰在书中引述了一个古代典故：春秋时期，鲁国有一位名叫孔文子的大夫，他在学问上非常有造诣，但是他的儿子却不学无术，孔文子非常痛心。

一天，孔文子在山上遇到了一位神仙，神仙告诉他：“你的儿子之所以不学无术，是因为你没有给他灌输文心，让他懂得文学的魅力和意义。”孔文子听后深受启发，回家后开始给儿子灌输文学知识，儿子也逐渐对学问产生了兴趣，最终成为了一位有学问的人。因此，刘勰在书中将“文心”解释为“灌输文学知识的心灵”之意。

百度以“文心”命名自己的AI产品线，可见其对自己的中文处理能力是极为自信的，ERNIE3.0对标ChatGPT3.5/4.0，ERNIE-ViLG对标Stable-Diffusion，文心PLATO则可以理解为ChatGPT的embedding，可谓是野心勃勃。

文心一言SDK引入

百度目前已经开源文心一言的sdk工具包：

pip3 install --upgrade wenxin-api

和百度云产品线一样，安装好以后，需要去文心一言官网获取appkey和appsecret

随后编写请求逻辑：

import wenxin_api   
from wenxin_api.tasks.free_qa import FreeQA  
wenxin_api.ak = "your ak" #输入您的API Key  
wenxin_api.sk = "your sk" #输入您的Secret Key  
input_dict = {  
    "text": "问题：天为什么这么蓝？\n回答：",  
    "seq_len": 512,  
    "topp": 0.5,  
    "penalty_score": 1.2,  
    "min_dec_len": 2,  
    "min_dec_penalty_text": "。?：！[]",  
    "is_unidirectional": 0,  
    "task_prompt": "qa",  
    "mask_type": "paragraph"  
}  
rst = FreeQA.create(**input_dict)  
print(rst)

程序返回：

{ "code": 0, "msg": "success", "data": { "result": "因为我们有个好心情", "createTime": "2023-03-16 16:02:10", "requestId": "71a6efb46acbd64394374f44579a01eb", "text": "天为什么这么蓝", "taskId": 1000000, "status": 1 # 0表示生成中，1表示生成成功 } }

请求的参数含义请参照官方文档：

async 异步标识 int 1 1 是异步标识，现阶段必传且传1 text 用户输入文本 string 空 [1, 1000] 是模型的输入文本，为prompt形式的输入。 min_dec_len 最小生成长度 int 1 [1,seq_len] 是输出结果的最小长度，避免因模型生成END导致生成长度过短的情况，与seq_len结合使用来设置生成文本的长度范围。 seq_len 最大生成长度 int 128 [1, 1000] 是输出结果的最大长度，因模型生成END或者遇到用户指定的stop_token，实际返回结果可能会小于这个长度，与min_dec_len结合使用来控制生成文本的长度范围。 topp 多样性 float 1.0 [0.0,1.0]，间隔0.1 是影响输出文本的多样性，取值越大，生成文本的多样性越强。 penalty_score 重复惩罚 float 1.0 [1,2] 否通过对已生成的token增加惩罚，减少重复生成的现象。值越大表示惩罚越大。设置过大会导致长文本生成效果变差。 stop_token 提前结束符 string 空否预测结果解析时使用的结束字符串，碰到对应字符串则直接截断并返回。可以通过设置该值，可以过滤掉few-shot等场景下模型重复的cases。 task_prompt 任务类型 string 空 PARAGRAPH, SENT, ENTITY, Summarization, MT, Text2Annotation, Misc, Correction, QA_MRC, Dialogue, QA_Closed_book, QA_Multi_Choice, QuestionGeneration, Paraphrasing, NLI, SemanticMatching, Text2SQL, TextClassification, SentimentClassification, zuowen, adtext, couplet，novel, cloze 否指定预置的任务模板，效果更好。 PARAGRAPH：引导模型生成一段文章； SENT：引导模型生成一句话； ENTITY：引导模型生成词组； Summarization：摘要； MT：翻译； Text2Annotation：抽取； Correction：纠错； QA_MRC：阅读理解； Dialogue：对话； QA_Closed_book: 闭卷问答； QA_Multi_Choice：多选问答； QuestionGeneration：问题生成； Paraphrasing：复述； NLI：文本蕴含识别； SemanticMatching：匹配； Text2SQL：文本描述转SQL；TextClassification：文本分类； SentimentClassification：情感分析； zuowen：写作文； adtext：写文案； couplet：对对联； novel：写小说； cloze：文本补全； Misc：其它任务。 typeId 模型类型 int 1 1 是通用： 1 ERNIE 3.0 Zeus 通用 2 ERNIE 3.0 Zeus instruct模型同义改写 1 ERNIE 3.0 Zeus 同义改写精调模型写作文： 1 ERNIE 3.0 Zeus 记叙文增强包 2 ERNIE 3.0 Zeus 议论文增强包 3 ERNIE 3.0 Zeus 小学作文增强包写文案： 1 ERNIE 3.0 百亿社交短文案精调模型 2 ERNIE 3.0 Zeus 商品营销文案增强包写摘要： 1 ERNIE 3.0 Zeus 写摘要 2 ERNIE 3.0 Zeus 写标题 3 ERNIE 3.0 百亿写标题对对联： 1 ERNIE 3.0 Zeus 对对联 2 ERNIE 3.0 百亿对对联自由问答： 1 ERNIE 3.0 Zeus 自由问答增强包 2 ERNIE 3.0 百亿自由问答 3 ERNIE 3.0 Zeus instruct模型写小说 1 ERNIE 3.0百亿写小说精调模型补全文本 1 ERNIE 3.0 Zeus 词补全增强包 2 ERNIE 3.0 Zeus 句补全增强包 3 ERNIE 3.0 Zeus 段落补全增强包 penalty_text 惩罚文本 string 空否模型会惩罚该字符串中的token。通过设置该值，可以减少某些冗余与异常字符的生成。 choice_text 候选文本 string 空否模型只能生成该字符串中的token的组合。通过设置该值，可以对某些抽取式任务进行定向调优。 is_unidirectional 单双向控制开关 int 0 0或1 否 0表示模型为双向生成，1表示模型为单向生成。建议续写与few-shot等通用场景建议采用单向生成方式，而完型填空等任务相关场景建议采用双向生成方式。 min_dec_penalty_text 最小惩罚样本 string 空否与最小生成长度搭配使用，可以在min_dec_len步前不让模型生成该字符串中的tokens。 logits_bias 屏蔽惩罚 float -10000 [1, 1000] 否配合penalty_text使用，对给定的penalty_text中的token增加一个logits_bias，可以通过设置该值屏蔽某些token生成的概率。 mask_type 生成粒度 string word 可选参数为word, sentence, paragraph 否设置该值可以控制模型生成粒度。

这里需要注意的是，虽然参数支持async异步，但那不是指请求的异步方式返回，换句话说，文心模型返回还是需要等待的，并不是ChatGPT那种流式返回模式。

文心一言API调用

文心一言SDK的功能有限，也不支持异步请求调用，如果需要定制化或者使用别的语言请求文心一言，需要提前发起Http请求获取token，这里我们使用异步请求库httpx:

pip3 install httpx

添加获取token逻辑：

class Winxin: def chat(self,text): input_dict = { "text": f"问题：{text}\n回答：", "seq_len": 512, "topp": 0.5, "penalty_score": 1.2, "min_dec_len": 2, "min_dec_penalty_text": "。?：！[]", "is_unidirectional": 0, "task_prompt": "qa", "mask_type": "paragraph" } rst = FreeQA.create(**input_dict) print(rst) async def get_token(self): headers = {"Content-Type":"application/x-www-form-urlencoded"} async with httpx.AsyncClient() as client: resp = await client.post(f"https://wenxin.baidu.com/moduleApi/portal/api/oauth/token?grant_type=client_credentials&client_id={wenxin_api.ak}&client_secret={wenxin_api.sk}",headers=headers) result = resp.json() print(result)

异步调用文心一言接口的token:

if __name__ == '__main__': wx = Winxin() asyncio.run(wx.get_token())

程序返回：

{'code': 0, 'msg': 'success', 'data': '24.3f6a63545345ae6588ea86a353.86400000.1679123673218.92a99f8955c6f9ab2c438a5f31b5d73b-173001'}

这里返回的数据的data就是token，有效期是一天，吐槽一下，居然没有refreshtoken，也就是说过期了还得重新去请求，不能做到无感知换取。

随后请求接口换取taskid:

async def get_task(self,token,text): url = "https://wenxin.baidu.com/moduleApi/portal/api/rest/1.0/ernie/3.0.25/zeus" data = {"async": 1, "typeId": 1, "seq_len": 512, "min_dec_len": 2, "topp": 0.8, "task_prompt": "qa", "penalty_score": 1.2, "is_unidirectional": 0, "min_dec_penalty_text": "。?：！[]", "mask_type": "word","text":text} headers = { "Content-Type": "application/x-www-form-urlencoded" } params = { "access_token": token } async with httpx.AsyncClient() as client: result = client.post(url, headers=headers, params=params, data=data) result = result.json() print(result)

返回：

{ "code":0, "msg":"success", "data":{ "taskId": 1229202, "requestId":"7fad28872989e274914ee1687b8f2a13" } }

最后请求结果：

async def get_res(self,taskid,token): url = "https://wenxin.baidu.com/moduleApi/portal/api/rest/1.0/ernie/v1/getResult" access_token = token task_id = taskid headers = { "Content-Type": "application/x-www-form-urlencoded" } params = { "access_token": access_token } data = { "taskId": task_id } async with httpx.AsyncClient() as client: response = client.post(url, headers=headers, params=params, data=data) print(response.text)

结果和SDK请求方式一致：

{ "code": 0, "msg": "success", "data": { "result": "因为我们有个好心情", "createTime": "2023-03-16 18:09:40", "requestId": "71a6efb46acbd64394374f44579a01eb", "text": "天为什么这么蓝", "taskId": 1000000, "status": 1 # 0表示生成中，1表示生成成功 } }

文心一格文字生成图像

ERNIE-ViLG AI作画大模型：文心ERNIE-ViLG2.0 是基于用户输入文本、或文本加图片生成图像及图像编辑功能的技术，主要为用户提供跨模态的文本生成图像的大模型技术服务。

文心一格和文心一言是共享appkey和appsecret的，添加图像生成逻辑：

class Winxin: def draw(self,text): num = 1 input_dict = { "text": "国画，工笔画，女侠，正脸", "style": "工笔画", "resolution":"1024*1024", "num": num } rst = TextToImage.create(**input_dict) print(rst)

程序返回：

{ "imgUrls":[ "https://wenxin.baidu.com/younger/file/ERNIE-ViLG/61157afdaef4f0dfef0d5e51459160fbex" ] }

效果：

对比基于Stable-Diffusion算法的Lora模型：

大家丰俭由己，各取所需。

需要注意的是，该产品线并不是免费的：

免费送200张，想继续玩就得充值，不愧是百度。话说免费的Stable-Diffusion不香吗？

结语

产品力而言，ChatGPT珠玉在前，文心一言还有很长的路需要走，用三国时期徐庶自比孔明的话来讲：“驽马焉敢并麒麟，寒鸦岂能配凤凰”。但是，也没必要一片挞伐之声，俄国著名作家契诃夫曾经说，“大狗叫，小狗也要叫”，ChatGPT虽然一座遥不可及的高峰，但是其他公司也无须放弃人工智能领域的研究，毕竟作为最老牌的中文搜索引擎，百度浸润几十年的中文处理能力，还是无人能出其右的。

文心一言,通营销之学,成一家之言,百度人工智能AI大数据模型文心一言Python3.10接入

文心一言SDK引入

文心一言API调用

文心一格文字生成图像

结语

你可能感兴趣的:(文心一言,通营销之学,成一家之言,百度人工智能AI大数据模型文心一言Python3.10接入)