福州网站设计培训,iis7.5网站配置,网站根目录 设置,如何创建一家自己的公司角色扮演应用案例RolePlay
0.项目信息
日期#xff1a; 2023-12-2作者#xff1a;小知课题: 通过设置角色模板并结合在线搜索、记忆和知识库功能#xff0c;实现典型的对话应用功能。这个功能是大模型应用的基础功能#xff0c;在后续其它RAG等功能中都会用到这个功能。功…角色扮演应用案例RolePlay
0.项目信息
日期 2023-12-2作者小知课题: 通过设置角色模板并结合在线搜索、记忆和知识库功能实现典型的对话应用功能。这个功能是大模型应用的基础功能在后续其它RAG等功能中都会用到这个功能。功能与作用RolePlay角色扮演是一种基础功能也是重要的功能。现在在各大大模型企业的APP中可以看到很多关于短视频文案、小红书文案、高情商朋友圈等这些功能的底层逻辑是基于角色扮演中设置不同的角色模板实现的。GitHubhttps://github.com/52phm/pylmkitPyLMKit官网教程 PyLMKit应用online applicationEnglish document中文文档
PyLMKit RolePlay
1.下载安装
# 下载安装
pip install pylmkit -U --user2.设置API KEY
应用哪个大模型就提前设置好该大模型对应的 API KEY
import os# openai chatgpt
os.environ[openai_api_key] # 百度
os.environ[qianfan_ak]
os.environ[qianfan_sk] # 阿里
os.environ[DASHSCOPE_API_KEY] # 科大讯飞-星火
os.environ[spark_appid]
os.environ[spark_apikey]
os.environ[spark_apisecret]
os.environ[spark_domain] generalv3# 智谱AI
os.environ[zhipu_apikey]
或者在.env文件中批量加载设置好的API KEY加载方法如下
from dotenv import load_dotenv# load .env
load_dotenv()3.加载大语言模型
导入大语言模型在本案例中使用百度千帆大模型作为例子进行介绍。
from pylmkit.llms import ChatQianfan # 百度-千帆
from pylmkit.llms import ChatSpark # 讯飞-星火
from pylmkit.llms import ChatZhipu # 清华-智谱
from pylmkit.llms import ChatHunyuan # 腾讯-混元
from pylmkit.llms import ChatBaichuan # 百川
from pylmkit.llms import ChatTongyi # 阿里-通义
from pylmkit.llms import ChatOpenAI # OpenAImodel ChatQianfan()4.选择记忆功能
PyLMKit 设计了四种记忆功能分别如下
MemoryHistoryLength记忆历史长度强调使用近期多长的记忆内容MemoryConversationsNumber记忆对数数强调使用近期N组对话作为记忆的内容MemorySummary记忆摘要强调精简提取记忆暂未公布
本案例使用MemoryHistoryLength记忆功能使得大语言模型能到根据该历史记忆记住上下文内容以便连贯回答用户的问题。(更多关于记忆的用法可以在后续memory专题中查阅)
from pylmkit.memory import MemoryHistoryLengthmemory MemoryHistoryLength(memory_length500, streamlit_webFalse) # 在python中运行
# memory2 MemoryHistoryLength(memory_length500, streamlit_webTrue) # 在streamlit web中运行5.设计角色模板
大语言模型是一种一对多关系的模型架构其中一表示大语言模型而多表示下游任务比如写作、客服、分析数据等这些都属于下游任务。 因此需要我们通过设计提示词模板去引导大语言模型高效且有质量地完成指定下游任务。
在设计角色模板之前我们先来了解PyLMKit中一些必须固定的关键词
{query}表示这是用户输入的提问内容{search}表示线上实时搜索引擎搜索返回的内容{memory}表示记忆的内容{ra}表示知识库搜索返回的内容。
下面我们来看一个角色模板的例子
# 它们所在的位置表示它们内容所嵌入的位置
role_template {memory}\n {search}\n 用户提问:{query}# 当然你还可以进一步设计模板
role_template 历史对话内容{memory}\n 搜索的相似内容{search} {ra}\n 请结合上述内容回答问题:{query}model.invoke(query如何学习python)角色模板决定大语言模型回答的质量因此角色模板需要反复打磨以设计一个高质量的角色模板对问题的解决效果可以达到事半功倍。
另外值得注意的是如果你设计的角色模板的关键词不在[query, search, ra, memory]中那么你需要额外添加新的变量和变量值例如
role_template {memory}\n 请为我推荐{query}的{topic}# 额外的关键字可以像 topic美食 一样添加多个也是一样的步骤进行添加
model.invoke(query北京, topic美食)role_template {memory}\n 请为我推荐{query}的{topic}6.加载角色扮演应用
RolePlay角色扮演是一种基础功能也是重要的功能。现在在各大大模型企业的APP中可以看到很多关于短视频文案、小红书文案、高情商朋友圈等这些功能的底层逻辑是基于角色扮演中设置不同的角色模板实现的。
from pylmkit.app import RolePlayrp RolePlay(role_templaterole_template, # 角色模板llm_modelmodel, # 大语言模型memorymemory, # 记忆# online_search_kwargs{},online_search_kwargs{topk: 2, timeout: 20}, # 搜索引擎配置不开启则可以设置为 online_search_kwargs{}return_language中文
)7.在python中运行
while True:query input(User query)topic input(User topic)response, refer rp.invoke(query, topictopic)print(\nAI, response)print(\nRefer\n, refer)User query北京
User topic美食2023-12-02 01:28:27 - httpx - INFO - HTTP Request: POST https://duckduckgo.com HTTP/2 200 OK
2023-12-02 01:28:29 - httpx - INFO - HTTP Request: GET https://links.duckduckgo.com/d.js?q%E5%8C%97%E4%BA%ACklwt-wtlwt-wts0dfvqd4-45222965241755774163610013696327482249ojsonsp0ex-1 HTTP/2 200 OKAI 北京有很多美食以下是为您推荐的一些美食1. 北京烤鸭是北京最著名的传统美食具有独特的皮脆肉嫩、肥而不腻的口味。2. 炸酱面是一道非常受欢迎的主食面条劲道炸酱味道浓郁可以搭配各种蔬菜和肉类。3. 炒肝是一种传统早点主要原料是猪大肠和猪肝口感鲜美适合早餐食用。4. 羊肉串是北京街头巷尾最常见的烧烤之一肉质鲜嫩味道鲜美。5. 豆汁儿是北京传统特色小吃之一由绿豆制作而成味道独特需要慢慢品尝。6. 爆肚是北京传统小吃口感鲜美特别适合夏天食用。7. 涮羊肉是一种传统的火锅美食口感鲜美涮出的羊肉非常嫩滑。除此之外北京还有各种烤肉、烧麦、饺子、包子、馄饨等美食您可以根据自己的口味选择尝试。Refer[1] **https://zh.wikipedia.org/wiki/北京市** 北京古迹众多著名的有紫禁城、天坛、颐和园、圆明园、北海公园等胡同和四合院作为北京老城的典型民居形式已经是北京历史重要的文化符号 。北京是中国重要的旅游城镇被《米其林旅游指南》评为三星级旅游推荐最高级别目的地 。[2] **https://baike.baidu.com/item/北京市/126069** 北京市Beijing简称京古称燕京、北平中华民族的发祥地之一是中华人民共和国首都、直辖市、国家中心城市、超大城市国务院批复确定的中国政治中心、文化中心、国际交往中心、科技创新中心中国历史文化名城和古都之一世界一线城市。截至2023年10月北京市下辖16个区总 ...在streamlit web中运行
要在终端中运行假设你的.py文件名为main.py那么在终端运行
streamlit run main.py# main.py
from pylmkit.core.base import BaseWebUI
from pylmkit.memory import MemoryHistoryLengthweb BaseWebUI(languagezh) # 使用中文网站
memory MemoryHistoryLength(memory_lengthweb.param(label记忆长度, typeint, value500), # 添加页面交互参数streamlit_webTrue)web.run(objrp.invoke,input_param[{name: query, label: 地点, type: chat},{name: topic, label: 主题, type: text},],output_param[{label: 结果, name: response, type: chat},{label: 参考, name: refer, type: refer}]
)
