【讯飞星火大模型AI】SpringBoot项目快速接入讯飞星火API

阅读本书更多章节>>>>

【讯飞星火大模型AI】SpringBoot项目快速接入讯飞星火API

文章目录

【讯飞星火大模型AI】SpringBoot项目快速接入讯飞星火API1. 介绍2. 快速入门2.1 配置2.2 创建类 3. 测试

1. 介绍

讯飞官网：讯飞星火认知大模型-AI大语言模型-星火大模型-科大讯飞 (xfyun.cn)

新用户认证之后可以免费领取二百万token，有效期一年，免费薅羊毛。

---

2. 快速入门

认证完成后，创建一个应用(很简单)，点点点就能完成。

2.1 配置

创建完成之后，去github上找到讯飞开放平台的sdk，推荐下面这个：

<dependency>    <groupId>io.github.briqt</groupId>    <artifactId>xunfei-spark4j</artifactId>    <version>1.2.0</version></dependency>

github地址：仓库地址
在项目当中引入这个依赖，然后在yml文件当中进行配置：

# 讯飞星火配置xunfei:  client:    appid: xxx    apiSecret: xxx    apiKey: xxx

关于这几个值的填写，可以进入控制台-讯飞开放平台 (xfyun.cn)查看，如下图方框框起的数据就是。

---

2.2 创建类

首先创建一个配置类来读取配置信息：

@Configuration@ConfigurationProperties(prefix = "xunfei.client")@Datapublic class XingHuoConfig {    private String appid;    private String apiSecret;    private String apiKey;    @Bean    public SparkClient sparkClient() {        SparkClient sparkClient = new SparkClient();        sparkClient.apiKey = apiKey;        sparkClient.apiSecret = apiSecret;        sparkClient.appid = appid;        return sparkClient;    }}

再创建一个SparkManager类，用来调用星火AI，在这里我们让AI扮演一名数据分析师，根据我们的输入，做出预设的反应：

@Component@Slf4jpublic class SparkManager {    @Resource    private SparkClient sparkClient;    /**     * AI生成问题的预设条件     */    public static final String PRECONDITION = "你是一个数据分析师和前端开发专家，接下来我会按照以下固定格式给你提供内容：\n" +            "分析需求：\n" +            "{数据分析的需求或者目标}\n" +            "原始数据：\n" +            "{csv格式的原始数据，用,作为分隔符}\n" +            "请根据这两部分内容，按照以下指定格式生成内容（此外不要输出任何多余的开头、结尾、注释）\n" +            "【【【【【\n" +            "{前端 Echarts V5 的 option 配置对象js代码，合理地将数据进行可视化，不要生成任何多余的内容，比如注释}\n" +            "【【【【【\n" +            "{明确的数据分析结论，越详细越好，不要生成多余的注释\n}" +            "最终格式是：【【【【【前端代码【【【【【分析结论";    /**     * 向星火AI发送请求     *     * @param content     * @return     */    public String sendMesToAIUseXingHuo(final String content) {        // 消息列表，可以在此列表添加历史对话记录        List<SparkMessage> messages = new ArrayList<>();        messages.add(SparkMessage.systemContent(PRECONDITION));        messages.add(SparkMessage.userContent(content));        // 构造请求        SparkRequest sparkRequest = SparkRequest.builder()                // 消息列表                .messages(messages)                // 模型回答的tokens的最大长度，非必传，默认为2048                .maxTokens(2048)                // 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，非必传，取值为[0,1]，默认为0.5                .temperature(0.2)                // 指定请求版本                .apiVersion(SparkApiVersion.V3_5)                .build();        // 同步调用        SparkSyncChatResponse chatResponse = sparkClient.chatSync(sparkRequest);        String responseContent = chatResponse.getContent();        log.info("星火AI返回的结果{}", responseContent);        return responseContent;    }}

当然，对于AI的角色和用户的提问都是可以随意进行设置的。

---

3. 测试

我们创建一个测试类：

@SpringBootTestpublic class SparkManagerTest {    @Resource    private SparkManager sparkManager;    private final String userInput =            "分析需求：\n" +                    "分析网站用户的增长情况\n" +                    "请使用：折线图\n" +                    "原始数据：\n" +                    "日期，用户数\n" +                    "1号,10 \n" +                    "2号,20\n" +                    "3号,30";    @Test    public void testApi() {        String result = sparkManager.sendMesToAIUseXingHuo(userInput);        System.out.println(result);    }}

运行这个测试方法，输出如下所示：

【【【【【{    "title": {        "text": "网站用户增长情况"    },    "tooltip": {        "trigger": "axis"    },    "legend": {        "data": ["用户数"]    },    "xAxis": {        "data": ["1号", "2号", "3号"]    },    "yAxis": {},    "series": [{        "name": "用户数",        "type": "line",        "data": [10, 20, 30]    }]}【【【【【从折线图可以看出，该网站在1号至3号期间，用户数量呈明显上升趋势，每天的用户增长率为100%，显示出良好的增长势头。

那么我们就能够根据AI给出的回答进行一个截取，得到我们想要的数据。

阅读本书更多章节>>>>

本文链接：https://www.kjpai.cn/zhengce/2024-04-09/155779.html，文章来源：网络cs，作者：胡椒，版权归作者所有，如需转载请注明来源和作者，否则将追究法律责任！