0 背景
生成式人工智能AIGC（Artificial Intelligence Generated Content）是人工智能1.0时代进入2.0时代的重要标志。
AIGC对于人类社会、人工智能的意义是里程碑式的。短期来看AIGC改变了基础的生产力工具，中期来看会改变社会的生产关系，长期来看促使整个社会生产力发生质的突破，在这样的生产力工具、生产关系、生产力变革中，生产要素——数据价值被极度放大。
AIGC把数据要素提到时代核心资源的位置，在一定程度上加快了整个社会的数字化转型进程。
2023年8月31日，文心一言向全社会全面开放。本文使用python调用文心一言大模型API, 实现文本生成式服务。
1 注册
1 注册百度千帆平台账户 & api
打开下面的百度智能云官网, 注册或者登录, 可以使用百度网盘扫码登录, 因为百度产品都是通用的
https://login.bce.baidu.com/?redirect=https%3A%2F%2Fconsole.bce.baidu.com%2Fqianfan%2Foverview
登录之后, 进行百度智能云的控制台
https://console.bce.baidu.com/qianfan/overview
2 开通服务接口
依次选择左栏的应用接入, 再创建应用, 创建过程中, 填写当前服务的名称和描述, 其他的默认就行, 因为它服务都默认勾选了.
3 获取API参数
开通服务后, 获取到当前应用服务的AppID & API Key & Secret Key, 这三个参数, 在后面要用.
4 开通付费服务
文心一言的API服务是需要充钱的, 它有很多个大模型可以选择, 这里我选了最便宜的ERNIE-Bot-turbo大模型公有云在线调用服务, 因为它可能已经满足我后续服务的一些需求了.
氪金之后, 就可以使用它的API了, 文心大模型的官网文档如下, 本文也提供一个python案例可以直接使用.
所有大模型对话能力的API列表:
https://cloud.baidu.com/doc/WENXINWORKSHOP/s/wlmhm7vuo
ERNIE-Bot的API的编程实现
https://cloud.baidu.com/doc/WENXINWORKSHOP/s/jlil56u11
2 使用
本次代码直接通过python类实现, 实现生成服务总共需要两个步骤
1 获取access_token
2 请求相应的大模型API, 输入问题的生成内容
from requests import session
import diskcache as dc
from rich.console import Console
from rich.markdown import Markdown
class YiYan(object):
def __init__(self, appid, ak, sk):
self.appid = appid
self.ak = ak
self.sk = sk
self.s = session()
headers = {
'Content-Type': 'application/json'
}
self.s.headers.update(headers)
self.cache = dc.Cache('./cache')
def get_access_token(self):
key = 'access_token'
if not (access_token := self.cache.get(key)):
response = self.s.post(f'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={self.ak}&client_secret={self.sk}', json='""')
access_token = response.json()['access_token']
self.cache.set(key, access_token, expire=60 * 60 * 24 * 1)
return access_token
def generate_content(self, question):
access_token = self.get_access_token()
url = f"https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/eb-instant?access_token={access_token}"
data = {"messages": [{
"role": "user",
"content": question
}]}
response = self.s.post(url, json=data)
result = response.json()['result']
self.print_markdown(result, question)
return result
def print_markdown(self, content, question):
# content = f'## Q: {question} \n\n---\n\n{content}'
markdown_content = Markdown(content)
console = Console()
console.print(markdown_content)
def main():
appid = '12345676'
ak = 'xxxxxxxxxxxx'
sk = 'xxxxxxxxxxxxxxxxxxxxxxxx'
app = YiYan(appid, ak, sk)
question = input('请输入你的问题: ')
app.generate_content(question)
if __name__ == '__main__':
main()
百度的access_token 默认是30天内有效, 因为我们获取一次之后, 可以将这个access_token的值保存下来, 以便后续使用, 便不需要每次都请求一次, 生成access_token由get_access_token()函数实现. 上面的代码在保存access_token的时候使用了python的一个 第三方库diskcache, 该库可以帮助我们缓存该变量, 并设置在定期时间后过期, 当本地缓存中还存在access_token 时, 直接从本地获取, 如果本地不存在或过期了这个字段, 那就从远程获取(同时再放入本地缓存中). 关键代码如下:
if not (access_token := self.cache.get(key)):
response = self.s.post(f'https://xxxxxxxxx')
access_token = response.json()['access_token']
self.cache.set(key, access_token, expire=60 * 60 * 24 * 29)
另外, 上述代码中还使用了第三方库: rich.
rich 库主要是在控制台中美观的处理和输入API响应的markdown内容, 关键代码是:
markdown_content = Markdown(content)
console = Console()
console.print(markdown_content)
生成效果如下:
总结
文章综述了生成式人工智能（AIGC）的重要意义及其在促进社会生产力变革和提升数据价值中的作用，同时详细阐述了如何注册并使用百度文心一言大模型的API来实现文本生成服务的过程。**背景与意义**：
- 生成式人工智能AIGC是AI技术从1.0迈向2.0的标志性里程碑，它不仅改变了基础生产力工具，还将深远地影响社会的生产关系和整体生产力的质量。
- AIGC将数据提到了时代核心资源的位置，加速了社会的数字化转型进程。
**注册与使用步骤（基于文心一言）**：
1. **账户注册与API开通**：
- 访问百度智能云官网注册或登录账户，并进入控制台。
- 在控制台中创建并开通服务接口，填写基本信息以获取必要的AppID、API Key及Secret Key。
- 选择合适的付费模型（如ERNIE-Bot-turbo）并开通相应服务。
2. **API调用流程实现**：
- 使用Python编写代码来请求API。这包括两个关键步骤：首先获取有效的`access_token`，然后利用这个令牌向大模型发送请求以生成内容。
- 使用第三方库（如`requests`发起HTTP请求，`diskcache`缓存`access_token`以避免重复请求，以及`rich`在控制台中优雅地打印和渲染Markdown格式的响应内容。
**技术实现细节**：
- 通过创建`YiYan`类来封装API调用逻辑，包括初始化方法、获取`access_token`的方法、以及发送请求并生成内容并打印的方法。
- 使用HTTP POST请求获取`access_token`，并保存在本地缓存中以供复用（设置了合理的过期时间，如30天）。
- 构造合适的请求格式（通常是JSON），并通过API端点发送用户问题以获取生成的内容。
- 利用`rich`库提升控制台输出内容的美观度和可读性，通过Markdown展示生成的内容。
整篇文章不仅阐述了AIGC的重要性和前景，还提供了详细的步骤和代码示例，指导如何利用百度文心一言大模型的API构建自己的文本生成服务，具有很强的实用性和参考价值。