“文心”取自《文心雕龙》一书的开篇，作者刘勰在书中引述了一个现代典故：春秋时期，鲁国有一位名叫孔文子的大夫，他在学识上十分有造诣，然而他的儿子却真才实学，孔文子十分痛心。
一天，孔文子在山上遇到了一位神仙，神仙通知他：“你的儿子之所以真才实学，是因为你没有给他灌输文心，让他懂得文学的魅力和意义。”孔文子听后深受启发，回家后开始给儿子灌输文学知识，儿子也逐步对学识产生了趣味，最终成为了一位有学识的人。因而，刘勰在书中将“文心”解释为“灌输文学知识的心灵”之意。
百度以“文心”命名本人的AI产品线，可见其对本人的中文解决能力是极为自信的，ERNIE3.0对标ChatGPT3.5/4.0，ERNIE-ViLG对标Stable-Diffusion，文心PLATO则能够了解为ChatGPT的embedding，堪称是狼子野心。
文心一言SDK引入
百度目前曾经开源文心一言的sdk工具包：
pip3 install --upgrade wenxin-api和百度云产品线一样，装置好当前，须要去文心一言官网获取appkey和appsecret
随后编写申请逻辑：
import wenxin_api from wenxin_api.tasks.free_qa import FreeQA wenxin_api.ak = "your ak" #输入您的API Key wenxin_api.sk = "your sk" #输入您的Secret Key input_dict = { "text": "问题：天为什么这么蓝？\n答复：", "seq_len": 512, "topp": 0.5, "penalty_score": 1.2, "min_dec_len": 2, "min_dec_penalty_text": "。?：！[<S>]", "is_unidirectional": 0, "task_prompt": "qa", "mask_type": "paragraph" } rst = FreeQA.create(**input_dict) print(rst)程序返回：
{ "code": 0, "msg": "success", "data": { "result": "因为咱们有个好情绪", "createTime": "2023-03-16 16:02:10", "requestId": "71a6efb46acbd64394374f44579a01eb", "text": "天为什么这么蓝", "taskId": 1000000, "status": 1 # 0示意生成中，1示意生成胜利 } }申请的参数含意请参照官网文档：
async 异步标识 int 1 1 是 异步标识，现阶段必传且传1 text 用户输出文本 string 空 [1, 1000] 是 模型的输出文本，为prompt模式的输出。 min_dec_len 最小生成长度 int 1 [1,seq_len] 是 输入后果的最小长度，防止因模型生成END导致生成长度过短的状况，与seq_len联合应用来设置生成文本的长度范畴。 seq_len 最大生成长度 int 128 [1, 1000] 是 输入后果的最大长度，因模型生成END或者遇到用户指定的stop_token，理论返回后果可能会小于这个长度，与min_dec_len联合应用来管制生成文本的长度范畴。 topp 多样性 float 1.0 [0.0,1.0]，距离0.1 是 影响输入文本的多样性，取值越大，生成文本的多样性越强。 penalty_score 反复惩办 float 1.0 [1,2] 否 通过对已生成的token减少惩办，缩小反复生成的景象。值越大示意惩办越大。设置过大会导致长文本生成成果变差。 stop_token 提前结束符 string 空 否 预测后果解析时应用的完结字符串，碰到对应字符串则间接截断并返回。能够通过设置该值，能够过滤掉few-shot等场景下模型反复的cases。 task_prompt 工作类型 string 空 PARAGRAPH, SENT, ENTITY, Summarization, MT, Text2Annotation, Misc, Correction, QA_MRC, Dialogue, QA_Closed_book, QA_Multi_Choice, QuestionGeneration, Paraphrasing, NLI, SemanticMatching, Text2SQL, TextClassification, SentimentClassification, zuowen, adtext, couplet，novel, cloze 否 指定预置的工作模板，成果更好。 PARAGRAPH：疏导模型生成一段文章； SENT：疏导模型生成一句话； ENTITY：疏导模型生成词组； Summarization：摘要； MT：翻译； Text2Annotation：抽取； Correction：纠错； QA_MRC：浏览了解； Dialogue：对话； QA_Closed_book: 闭卷问答； QA_Multi_Choice：多选问答； QuestionGeneration：问题生成； Paraphrasing：复述； NLI：文本蕴含辨认； SemanticMatching：匹配； Text2SQL：文本形容转SQL；TextClassification：文本分类； SentimentClassification：情感剖析； zuowen：写作文； adtext：写文案； couplet：对对联； novel：写小说； cloze：文本补全； Misc：其它工作。 typeId 模型类型 int 1 1 是 通用： 1 ERNIE 3.0 Zeus 通用 2 ERNIE 3.0 Zeus instruct模型 同义改写 1 ERNIE 3.0 Zeus 同义改写精调模型 写作文： 1 ERNIE 3.0 Zeus 记叙文加强包 2 ERNIE 3.0 Zeus 议论文加强包 3 ERNIE 3.0 Zeus 小学作文加强包 写文案： 1 ERNIE 3.0 百亿 社交短文案精调模型 2 ERNIE 3.0 Zeus 商品营销文案加强包 写摘要： 1 ERNIE 3.0 Zeus 写摘要 2 ERNIE 3.0 Zeus 写题目 3 ERNIE 3.0 百亿 写题目 对对联： 1 ERNIE 3.0 Zeus 对对联 2 ERNIE 3.0 百亿 对对联 自在问答： 1 ERNIE 3.0 Zeus 自在问答加强包 2 ERNIE 3.0 百亿 自在问答 3 ERNIE 3.0 Zeus instruct模型 写小说 1 ERNIE 3.0百亿 写小说精调模型 补全文本 1 ERNIE 3.0 Zeus 词补全加强包 2 ERNIE 3.0 Zeus 句补全加强包 3 ERNIE 3.0 Zeus 段落补全加强包 penalty_text 惩办文本 string 空 否 模型会惩办该字符串中的token。通过设置该值，能够缩小某些冗余与异样字符的生成。 choice_text 候选文本 string 空 否 模型只能生成该字符串中的token的组合。通过设置该值，能够对某些抽取式工作进行定向调优。 is_unidirectional 单双向管制开关 int 0 0或1 否 0示意模型为双向生成，1示意模型为单向生成。倡议续写与few-shot等通用场景倡议采纳单向生成形式，而完型填空等工作相干场景倡议采纳双向生成形式。 min_dec_penalty_text 最小惩办样本 string 空 否 与最小生成长度搭配应用，能够在min_dec_len步前不让模型生成该字符串中的tokens。 logits_bias 屏蔽惩办 float -10000 [1, 1000] 否 配合penalty_text应用，对给定的penalty_text中的token减少一个logits_bias，能够通过设置该值屏蔽某些token生成的概率。 mask_type 生成粒度 string word 可选参数为word, sentence, paragraph 否 设置该值能够管制模型生成粒度。这里须要留神的是，尽管参数反对async异步，但那不是指申请的异步形式返回，换句话说，文心模型返回还是须要期待的，并不是ChatGPT那种流式返回模式。
文心一言API调用
文心一言SDK的性能无限，也不反对异步申请调用，如果须要定制化或者应用别的语言申请文心一言，须要提前发动Http申请获取token，这里咱们应用异步申请库httpx:
pip3 install httpx增加获取token逻辑：
class Winxin: def chat(self,text): input_dict = { "text": f"问题：{text}\n答复：", "seq_len": 512, "topp": 0.5, "penalty_score": 1.2, "min_dec_len": 2, "min_dec_penalty_text": "。?：！[<S>]", "is_unidirectional": 0, "task_prompt": "qa", "mask_type": "paragraph" } rst = FreeQA.create(**input_dict) print(rst) async def get_token(self): headers = {"Content-Type":"application/x-www-form-urlencoded"} async with httpx.AsyncClient() as client: resp = await client.post(f"https://wenxin.baidu.com/moduleApi/portal/api/oauth/token?grant_type=client_credentials&client_id={wenxin_api.ak}&client_secret={wenxin_api.sk}",headers=headers) result = resp.json() print(result)异步调用文心一言接口的token:
if __name__ == '__main__': wx = Winxin() asyncio.run(wx.get_token())程序返回：
{'code': 0, 'msg': 'success', 'data': '24.3f6a63545345ae6588ea86a353.86400000.1679123673218.92a99f8955c6f9ab2c438a5f31b5d73b-173001'}这里返回的数据的data就是token，有效期是一天，吐槽一下，竟然没有refreshtoken，也就是说过期了还得从新去申请，不能做到无感知换取。
随后申请接口换取taskid:
async def get_task(self,token,text): url = "https://wenxin.baidu.com/moduleApi/portal/api/rest/1.0/ernie/3.0.25/zeus" data = {"async": 1, "typeId": 1, "seq_len": 512, "min_dec_len": 2, "topp": 0.8, "task_prompt": "qa", "penalty_score": 1.2, "is_unidirectional": 0, "min_dec_penalty_text": "。?：！[<S>]", "mask_type": "word","text":text} headers = { "Content-Type": "application/x-www-form-urlencoded" } params = { "access_token": token } async with httpx.AsyncClient() as client: result = client.post(url, headers=headers, params=params, data=data) result = result.json() print(result)返回：
{ "code":0, "msg":"success", "data":{ "taskId": 1229202, "requestId":"7fad28872989e274914ee1687b8f2a13" } }最初申请后果：
async def get_res(self,taskid,token): url = "https://wenxin.baidu.com/moduleApi/portal/api/rest/1.0/ernie/v1/getResult" access_token = token task_id = taskid headers = { "Content-Type": "application/x-www-form-urlencoded" } params = { "access_token": access_token } data = { "taskId": task_id } async with httpx.AsyncClient() as client: response = client.post(url, headers=headers, params=params, data=data) print(response.text)后果和SDK申请形式统一：
{ "code": 0, "msg": "success", "data": { "result": "因为咱们有个好情绪", "createTime": "2023-03-16 18:09:40", "requestId": "71a6efb46acbd64394374f44579a01eb", "text": "天为什么这么蓝", "taskId": 1000000, "status": 1 # 0示意生成中，1示意生成胜利 } }文心一格文字生成图像
ERNIE-ViLG AI作画大模型：文心ERNIE-ViLG2.0 是基于用户输出文本、或文本加图片生成图像及图像编辑性能的技术，次要为用户提供跨模态的文本生成图像的大模型技术服务。
文心一格和文心一言是共享appkey和appsecret的，增加图像生成逻辑：
class Winxin: def draw(self,text): num = 1 input_dict = { "text": "国画，工笔画，女侠，正脸", "style": "工笔画", "resolution":"1024*1024", "num": num } rst = TextToImage.create(**input_dict) print(rst)程序返回：
{ "imgUrls":[ "https://wenxin.baidu.com/younger/file/ERNIE-ViLG/61157afdaef4f0dfef0d5e51459160fbex" ] }成果：
比照基于Stable-Diffusion算法的Lora模型：
大家丰俭由己，各取所需。
须要留神的是，该产品线并不是收费的：
免费送200张，想持续玩就得充值，不愧是百度。话说收费的Stable-Diffusion不香吗？
结语
产品力而言，ChatGPT珠玉在前，文心一言还有很长的路须要走，用三国期间徐庶自比孔明的话来讲：“驽马焉敢并麒麟，寒鸦岂能配凤凰”。然而，也没必要一片挞伐之声，俄国著名作家契诃夫已经说，“大狗叫，小狗也要叫”，ChatGPT尽管一座遥不可及的顶峰，然而其余公司也毋庸放弃人工智能畛域的钻研，毕竟作为最老牌的中文搜索引擎，百度浸润几十年的中文解决能力，还是无人能出其右的。