PySparkAI 是一个基于WebSocket调用星火大模型API的客户端。其目的是为用户提供高度封装的方法,从而简化使用过程。
- 基于WebSocket的实时聊天:确保及时、持续的交互
- 星火大模型API:调用先进的AI技术来提供精确的回答
- 高度封装:减少配置和引导时间,即插即用
pip install xunfeispark
查看demo.py脚本以了解如何使用PySparkAI。以下是demo.py的简短摘要:
from pysparkai import PySparkAI
def get_credentials_from_user():
"""
获取用户输入的敏感信息。
"""
APP_ID = "此处填入你的APP_ID"
API_KEY = "此处填入你的API_KEY"
API_SECRET = "此处填入你的API_SECRET"
SPARK_URL = "此处填入你的SPARK_URL"
DOMAIN = "此处填入你的DOMAIN"
return APP_ID, API_KEY, API_SECRET, SPARK_URL, DOMAIN
# 以上所有信息都可以在你的讯飞开放平台的控制台中找到
def main():
APP_ID, API_KEY, API_SECRET, SPARK_URL, DOMAIN = get_credentials_from_user()
ai = PySparkAI(app_id=APP_ID, api_key=API_KEY, api_secret=API_SECRET, spark_url=SPARK_URL, domain=DOMAIN)
prompt_message = {"role": "system",
"content": "在一个遥远的星球上,有一位智者名为Zarnak,他对于人类世界有着深厚的了解。"}
question_message = {"role": "user",
"content": "Zarnak, 你能告诉我地球上的人的性格为什么多种多样吗?"}
format_specification_message = {
"role": "system", "content": "请使用第三人称,以故事的方式回答。"}
messages = [prompt_message, format_specification_message, question_message]
completion = ai.chat(messages, temperature=0.3, max_tokens=200)
formatted_answer = f"""
Prompt: {prompt_message["content"]}
格式要求: {format_specification_message["content"]}
问题: {question_message["content"]}
回答: {completion["choices"][0]["message"]}
"""
print(formatted_answer)
print("Token 使用情况:")
for key, value in completion["usage"].items():
print(f"{key}: {value}")
if __name__ == "__main__":
main()
完整的demo.py脚本在仓库中可用。
websocket-client
: 为项目提供WebSocket通信功能。
如果您想为该项目做出贡献,请确保遵循以下步骤:
- Fork这个仓库: PySparkAI on GitLab。当然,这里的GitLab是大陆本土化的JihuLab。
- 创建你的功能分支 (
git checkout -b feature/YourFeature
) - 提交你的更改 (
git commit -am 'Add some feature'
) - 推送到分支 (
git push origin feature/YourFeature
) - 在GitLab上创建一个新的Merge Request
- 你也能够在PySparkAI on Github上找到它。
该项目使用MIT许可。
如有任何问题或建议,请联系 [email protected].
更多关于 pysparkai
的详细文档,包括如何安装、使用和其他信息,请访问 这里。