Datawhale AI夏令营-[星火杯]大模型应用开发学习活动task3 - 星火API & Gradio学习指南

如何从一段代码行对话，变成我们日常使用的APP、小程序、网页等工具？

如果我们想

快速添加常用的Prompt模板

、或是想要

拥有一个历史会话功能

，应该怎么办？

此时，我们就需要通过代码级开发来自定义前端了，前面大家已经在Task1快速入门了代码级开发，复刻了自己的应用demo，相信下面的内容对你来说也绝对不在话下——

配套魔搭示例代码项目可见：https://modelscope.cn/studios/Datawhale/datawhale_spark_2024

零、预备：了解基础概念

关于开发类的内容，可能会涉及到很多新概念，

为了尽量压缩篇幅，且让大家不用有那么多认知负担，

我们仅会对Gradio框架以及相关术语进行简单介绍，

主要目标是引导大家进入实操，且开始掌握如何解决问题的思路，

大家如果对相关信息有更多的学习需求，可以通过官方文档、浏览器搜索等方式研习。

Gradio 官方文档详见：https://www.gradio.app/

要想拥有更符合心意的应用，需要自己进行开发，即：我们需要把星火大模型的 API 作为一个功能组件，加入到我们自己的应用中去，做出属于我们创意的内容~

创建应用有很多种方式，常见如：网页、浏览器插件、小程序、移动应用程序(App)、桌面应用软件等。

一般来说，小程序、App、企业微信、订阅号服务等还有一定的开发及审核门槛，且需要学习较多的前端甚至UI设计相关的知识，需要具有一定的专业度和人力投入。

因此我们在快速验证功能和设计demo时，往往较优的选择是直接通过 Gradio/Streamlit 快捷开发可交互的demo。

使用 飞桨AI Studio 、魔搭Notebook 等云开发平台，可以减少很多本地环境配置的麻烦。

dwspark、Gradio 、也只需要简单通过pip安装对应的Python库即可。

在学习之前，这里还有几个基础概念你需要知道：

• Python：一种简洁、易读、功能强大的高级编程语言，常言道“人生苦短，我用Python”。Gradio 是基于Python开发并开源的库。
• pip：Python的包管理工具，主要用于安装、管理和卸载Python的第三方库。它是Python开发中不可或缺的工具之一，常用命令：- pip install xxx、pip install --upgrade xxx、pip uninstall xxx、pip show xxx、pip install xxx==1.1.1、pip list 安装指定python库、升级指定python库、卸载指定python库、查看指定Python库的安装情况、安装指定Python库的指定版本、列出所有通过pip安装的Python库- 在使用gradio、streamlit、以及appbuilder-SDK时，记得安装这些库哟~
• SDK：即“软件开发工具包”（Software Development Kit），一般会包含一系列工具和文档的集合，旨在帮助开发者更有效地开发特定的软件应用程序。工具可能包括编程语言的库、APIs、开发环境（IDE）、编译器、调试&性能分析工具、相关文档等。- dwspark 就是我们为了方便大家调用星火大模型API而封装开发的SDK
• 飞桨 AI Studio：基于百度深度学习平台飞桨（PaddlePaddle）的人工智能学习与实训社区。它提供了一站式的模型在线开发与应用环境，支持多种编程语言和深度学习框架。- 我们可以在AI Studio上进行python代码编写与运行，且可以免费使用其CPU环境（GPU环境需要付费）- 另外我们的 Gradio 项目完成开发后，还可以通过其进行部署，分享给他人体验
• 魔搭ModelScope：

一、dwspark进阶指南

1、为什么会有dwspark？

官方提供了很多模型，但各自有自己的SDK且调用起来较为麻烦，所以对基础模型进行了代码封装，以方便较为简洁的方式调用这些模型。

具体的模型官方接口文档见下表：

模型文档地址认知大模型星火认知大模型Web API文档 | 讯飞开放平台文档中心文本合成语音语音合成（流式版）WebAPI 文档 | 讯飞开放平台文档中心语音识别文本语音听写（流式版）WebAPI 文档 | 讯飞开放平台文档中心文生图图片生成 API 文档 | 讯飞开放平台文档中心图片理解图片理解 API 文档 | 讯飞开放平台文档中心文本向量化llm embedding 协议 | 讯飞开放平台文档中心

2、如何使用dwspark？

2.1 安装SDK

pip install dwspark

2.2 加载配置

from dwspark.config import Config
# 加载系统环境变量：SPARKAI_APP_ID、SPARKAI_API_KEY、SPARKAI_API_SECRET
config = Config() 
# 自定义key写入
config = Config('14****93', 'eb28b****b82', 'MWM1MzBkOD****Mzk0')

2.3 调用模型

# SDK引入模型
from dwspark.models import ChatModel, Text2Img, ImageUnderstanding, Text2Audio, Audio2Text, EmbeddingModel
# 讯飞消息对象
from sparkai.core.messages import ChatMessage
# 日志
from loguru import logger
'''
对话
'''
# 模拟问题
question = '你好呀'
logger.info('----------批式调用对话----------')
model = ChatModel(config, stream=False)
logger.info(model.generate([ChatMessage(role="user", content=question)]))
logger.info('----------流式调用对话----------')
model = ChatModel(config, stream=True)
[ logger.info(r) for r in model.generate_stream(question)]
logger.info('done.')
'''
文字生成语音
'''
text = '2023年5月，讯飞星火大模型正式发布，迅速成为千万用户获取知识、学习知识的“超级助手”，成为解放生产力、释放想象力的“超级杠杆”。2024年4月，讯飞星火V3.5春季升级长文本、长图文、长语音三大能力。一年时间内，讯飞星火从1.0到3.5，每一次迭代都是里程碑式飞跃。'
audio_path = './demo.mp3'
t2a = Text2Audio(config)
# 对生成上锁，预防公有变量出现事务问题，但会降低程序并发性能。
t2a.gen_audio(text, audio_path)
'''
语音识别文字
'''
a2t = Audio2Text(config)
# 对生成上锁，预防公有变量出现事务问题，但会降低程序并发性能。
audio_text = a2t.gen_text(audio_path)
logger.info(audio_text)
'''
生成图片
'''
logger.info('----------生成图片----------')
prompt = '一只鲸鱼在快乐游泳的卡通头像'
t2i = Text2Img(config)
t2i.gen_image(prompt, './demo.jpg')
'''
图片解释
'''
logger.info('----------图片解释----------')
prompt = '请理解一下图片'
iu = ImageUnderstanding(config)
logger.info(iu.understanding(prompt, './demo.jpg'))
'''
获取文本向量
'''
logger.info('----------获取文本向量----------')
em = EmbeddingModel(config)
vector = em.get_embedding("我们是datawhale")
logger.info(vector)

2.4 模型列表

模型名称

调用方式

批式调用对话

model = ChatModel(config, stream=False) model.generate([ChatMessage(role="user", content='对话内容')])

流式调用对话

model = ChatModel(config, stream=True)

model = ChatModel(config, stream=True)

[logger.info(r) for r in model.generate_stream('对话内容')]

文字生成语音

t2a = Text2Audio(config)

model = ChatModel(config, stream=True)

t2a.gen_audio('你好啊', '生成音频地址')

生成图片

t2i = Text2Img(config)

t2i.gen_image('生成图片需求', '图片地址')

图片解释

iu = ImageUnderstanding(config)
iu.understanding('图片理解方向描述', '图片地址')

获取文本向量

em = EmebddingModel(config)
vector = em.get_embedding("需要向量化的文本")

2.5 dwspark代码详解

dwspark主要包含以下几个文件：

• config.py：统一的配置文件
• utils：一些工具类
• models：存放模型的地方- models.ChatModel.py：对话相关模型- models.AudioModel.py：音频相关模型- models.ImageModel.py：图片相关模型- models.EmbeddingModel.py：向量化模型

二、Gradio基础概念入门

基于Gradio开发应用，必须了解 Gradio有输入输出组件、控制组件、布局组件几个基础模块：

• 输入输出组件用于展示内容和获取内容，如：Textbox文本、Image图像
• 布局组件用于更好地规划组件的布局，如：Column（把组件放成一列）、Row（把组件放成一行）- 推荐使用gradio.Blocks()做更多丰富交互的界面，gradio.Interface()只支持单个函数交互
• 控制组件用于直接调用函数，无法作为输入输出使用，如：Button（按钮）、ClearButton（清除按钮）
• Gradio的设计哲学是将输入和输出组件与布局组件分开。输入组件（如Textbox、Slider等）用于接收用户输入，输出组件（如Label、Image等）用于显示函数的输出结果。而布局组件（如Tabs、Columns、Row等）则用于组织和排列这些输入和输出组件，以创建结构化的用户界面。

大部分输入输出组件都有以下三个参数：

• fn：绑定的函数，输入参数需与inputs列表类型对应
• inputs：输入组件变量名列表，（例如：[msg, chatbot]）
• ouputs：输出组件变量名列表，（例如：[msg, chatbot]）
• 另外不同的 输入输出组件、控制组件 有不同动作可响应（对应一些.方法，如下面的msg.submit()）

需要注意，Gradio的组件更新，实现交互，都只能通过绑定的

fn

进行实现：

• fn中需要使用的用户指定的数据来源，均需要放入inputs中，
• 需要更新的组件均需要通过fn*return *回来，并与outputs中的组件类型意义对应

对应到 飞桨项目："一键"跑通大模型应用开发！中的

“体验随机回复应用”

的示例代码中即：

# 导入gradio、random、time库，他们的功能大致如名字所示
import gradio as gr # 通过as指定gradio库的别名为gr
import random
import time

# 自定义函数，功能是随机选返回指定语句，并与用户输入的 chat_query 一起组织为聊天记录的格式返回
def chat(chat_query, chat_history):
        # 在How are you 等语句里随机挑一个返回，放到 bot_message 变量里
        bot_message = random.choice(["How are you?", "I love you", "I'm very hungry"])
        # 添加到 chat_history 变量里
        chat_history.append((chat_query, bot_message))
        # 返回 空字符，chat_history 变量，空字符用于清空 chat_query 组件，chat_history 用于更新 chatbot组件
        return "", chat_history

# gr.Blocks()：布局组件，创建并给了他一个名字叫 demo
with gr.Blocks() as demo:
    # gr.Chatbot()：输入输出组件，用于展示对话效果
    chatbot = gr.Chatbot([], elem_id="chat-box", label="聊天历史")
    # gr.Textbox()：输入输出组件，用于展示文字
    chat_query = gr.Textbox(label="输入问题", placeholder="输入需要咨询的问题")
    # gr.Button：控制组件，用于点击，可绑定不同的函数触发处理
    llm_submit_tab = gr.Button("发送", visible=True)
    
    # gr.Examples(): 输入输出组件，用于展示组件的样例，点击即可将内容输入给 chat_query 组件
    gr.Examples(["请介绍一下Datawhale。", "如何在大模型应用比赛中突围并获奖？", "请介绍一下基于Gradio的应用开发"], chat_query)

    # 定义gr.Textbox()文字组件 chat_query 的 submit 动作(回车提交)效果，执行函数为 chat, 第一个[chat_query, chatbot]是输入，第二个 [chat_query, chatbot] 是输出
    chat_query.submit(fn=chat, inputs=[chat_query, chatbot], outputs=[chat_query, chatbot])
    # 定义gr.Button()控制组件 llm_submit_tab 的 点击动作 效果，执行函数为 chat, 第一个[chat_query, chatbot]是输入，第二个 [chat_query, chatbot] 是输出，效果与上一行代码同
    llm_submit_tab.click(fn=chat, inputs=[chat_query, chatbot], outputs=[chat_query, chatbot])

# 运行demo
if __name__ == '__main__':
    demo.queue().launch()

**运行结果： **

三、星火大模型API进阶指南

官方提供多款星火大模型API的token。其中包括：星火大模型、语音合成、语音识别、图片生成、图片理解、文本向量化以及智能PPT生成。这些模型API让我们能够把更多的注意力放在idea实现和应用开发当中。

下面将介绍大模型的API调用原理及学习使用的思路

API流程（图像生成为例）

如何查看API文档?（图像生成为例）

根据模型需求，进入API接口文档。根据下列步骤查看API关键信息（其他API类似）

1. 首先需要关注API的接口信息。

这一步主要目的是了解API的网络协议，特别是传输方式、请求地址、Content-Type和接口鉴权4部分。因为讯飞星火不同的模型有不同的调用方式，所以我们需要根据要求调整我们的网络调用协议。

2. 查看鉴权方式

讯飞API有一个特点，就是需要先使用我们的key进行加密鉴权，然后填充新的url进行实际调用。所以我们需要根据鉴权文档步骤，实时调整我们的url。具体方式如图中所示：

3. 查询调用参数

返回API文档，根据文档查看模型的可用调用参数。具体如下图所示，分别为参数实例与参数说明。为了让我们的应用更加的具有特色，通常更简易针对需求调整API的参数。相同的模型相同的API，在不同参数的调整下可能会有不同的效果。

4. 查询返回结果参数与异常信息码

返回结果参数便于我们针对式的开发我们的模型后处理的代码，而异常信息码则便于我们实现异常处理问题，提高应用高可用。

API文档很复杂，实在看不懂怎么办?

为了降低参赛选手的门槛，我们基于讯飞星火大模型常用的API封装了一个较为简单的SDK包。[点我查看]

1. 安装方法

# 本地安装
pip install dwspark-2024.0.2-py3-none-any.whl
# 线上安装
pip install dwspark

2. 使用方法

from dwspark.config import Config
'''
    初始化配置文件（二选一）
'''
# 加载系统环境变量：SPARKAI_APP_ID、SPARKAI_API_KEY、SPARKAI_API_SECRET
config = Config()
# 自定义key写入
#config = Config('14****93', 'eb28b****b82', 'MWM1MzBkOD****Mzk0')

'''
    SDK使用示例
'''
# SDK引入模型
from dwspark.models import ChatModel, Text2Img, ImageUnderstanding, Text2Audio, Audio2Text, EmebddingModel
# 讯飞消息对象
from sparkai.core.messages import ChatMessage
# 日志
from loguru import logger
'''
    对话
'''
# 模拟问题
question = '你好呀'
logger.info('----------批式调用对话----------')
model = ChatModel(config, stream=False)
logger.info(model.generate([ChatMessage(role="user", content=question)]))
logger.info('----------流式调用对话----------')
model = ChatModel(config, stream=True)
[logger.info(r) for r in model.generate_stream(question)]
'''
    文字生成语音
'''
text = '2023年5月，讯飞星火大模型正式发布，迅速成为千万用户获取知识、学习知识的“超级助手”，成为解放生产力、释放想象力的“超级杠杆”。2024年4月，讯飞星火V3.5春季升级长文本、长图文、长语音三大能力。一年时间内，讯飞星火从1.0到3.5，每一次迭代都是里程碑式飞跃。'
audio_path = './demo.mp3'
t2a = Text2Audio(config)
# 对生成上锁，预防公有变量出现事务问题，但会降低程序并发性能。
t2a.gen_audio(text, audio_path)
'''
    语音识别文字
'''
a2t = Audio2Text(config)
# 对生成上锁，预防公有变量出现事务问题，但会降低程序并发性能。
audio_text = a2t.gen_text(audio_path)
logger.info(audio_text)
'''
    生成图片
'''
logger.info('----------生成图片----------')
prompt = '一只鲸鱼在快乐游泳的卡通头像'
t2i = Text2Img(config)
t2i.gen_image(prompt, './demo.jpg')
'''
    图片解释
'''
logger.info('----------图片解释----------')
prompt = '请理解一下图片'
iu = ImageUnderstanding(config)
logger.info(iu.understanding(prompt, './demo.jpg'))
'''
    获取文本向量
'''
logger.info('----------获取文本向量----------')
em = EmebddingModel(config)
vector = em.get_embedding("我们是datawhale")
logger.info(vector)

但SDK带来便捷性的同时，它也丧失了个性化的“本领”，同时也难以兼容到讯飞所有的模型产品。所以我们更推荐大家基于API文档开发适合自己的调用方式。

我也想开发自己的调用方式，有没有入门参考?

讯飞为每一个API都打包了一个调用demo，demo通常放在对应API文档的上方。我们可以下载查看demo里面的代码，然后基于demo再进行二次开发。

如有实在不会的，可以在学习群里请教助教。

四、本地pycharm部署星火AI自动翻译机！

1、modelscope项目

项目链接：https://modelscope.cn/studios/Datawhale/Dw_spark_baseline

2、本地pycharm部署