【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")

@Data

public 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

@Slf4j

public 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：

@SpringBootTest

public 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。