文心一言开放了，手机端的几个模板还不错
但是还是要拉出来溜溜

文心一言发布了，官方示例太无聊，写个知识库项目看看文心一言的水平究竟有多少。

待在家里躺床太无聊，所以小小地练练手和脑子

前期准备

申请文心一言apikey

前往并登录 百度智能云-登录 (baidu.com)

创建应用并打开文心一言turbo的付费

然后充值10元钱

创建Milvus数据库（可选）

教程 Install Milvus Standalone with Docker Compose (CPU) Milvus documentation

测试文心一言

首先给langchain安装升级一下

去langchain库里翻代码找找文心一言的例子

注意client_id应该是你的apikey，不得不说百度的文档就是答辩依托

成功得到答案

🤖Hello, ErnieBot. I'm a language model. What can I do for you?

正式开始

让我们开始我们的敏捷开发

AI应用最快的应用开发方式当然是gradio

我们首先尝试使用gradio调用文心一言

这里要用到gradio的chatbot模块

我们可以直接观赏一下官方用例

chatbot

可以看到以下特性

• 聊天框

• 流式传输

• 文件上传

基本满足了一个chatbot的基本需求，我们直接在此基础上进行开发

安装gradio

观察函数，我们需要修改的地方其实只有response部分

response部分使用文心一言的回答进行替换即可

这里使用了langchain的ConversationChain，并删除了chatbot文件上传功能

效果不错涅~就是界面有点简陋

接下来我们使用gradio的block功能为我们的界面进行大升级

首先把我们的apikey放到yaml文件中

添加的代码如下

yaml文件，new_cof.yaml

添加个初始化模型和chain的函数

通过gradio的block函数优化我们的设计

启动后项目界面如下

来感觉了，有没有

来试试

可以看到我们目前实现的功能设计：

• 流式回答

• 上下文记忆

• 刷新与发送

• 更改模型配置

至此一个完整简单的chatbot设计就完成了

Embedding

我们在使用embedding功能时主要用到了milvus向量数据库，也有平替的向量数据库，请自行寻找...

设计gradio切换embedding和llm的按钮，来决定是否使用知识库

并设计按钮使用知识库

为知识库添加支持函数，并使用embedding相关的chain

重写block部分和部分函数，添加知识库支持，这是目前的完整函数

使用，从文本中测试

新建文本文件test.txt

选择载入知识库，并上传test.txt

询问问题，可以看到我们的知识库完美实现了功能

目前为止，我们实现的功能有

• 上传文件作为知识库

• 从链接中载入知识库

• 是否使用知识库的切换

search

这里我们使用了duckduckgo_search作为我们的搜索引擎，如果你愿意，使用百度微软谷歌也是同理

搜索实现

让我们把搜索加入我们的应用

可以从我们的终端中看出我们的搜索引擎在完美运作

.................

后续如果继续就是设计向量数据库对embedding数据的生命周期进行设计了