• 利用大型语言模型轻松打造浪漫时刻


    当情人节年年如约而至,每每都需费尽心思为对方营造一场令人难忘的仪式,却因缺乏创意与思路而倍感困扰。今天,我决定让大型语言模型为我们提供一些灵感和建议,让我们能够轻松实现这一目标。让我们开始行动吧!此前,我曾撰写一篇关于如何与大型语言模型建立基本对话的文章。如果您感兴趣,不妨一读:

    AI实用指南:5分钟搭建你自己的LLM聊天应用

    图片

    在这个新版本中,我引入了一个全新的功能——图片上传窗口,旨在方便调用文生图接口,实现对图片进行风格转化,从而为对方呈现一幅心仪的作品。让我们一起来实际操作吧。

    # 在聊天输入框下方添加文件上传组件
    uploaded_file = st.file_uploader("上传文件", type=['txt', 'pdf', 'png', 'jpg', 'jpeg', 'gif'])
    if uploaded_file is not None:
        # 可以在这里添加处理上传文件的代码
        # 显示上传的图片
        st.image(uploaded_file, width=30)
        st.write("文件上传成功!")
    

    在这次更新中,我新增了一个简单的展示功能,特别是为了确保在streamlit封装的布局中能够将其置于标题上方。这样一来,我们便能够在对话过程中保持其可见,避免不必要的消失。务必留意这一点,以确保用户体验的连贯性。

    简要信息搜索

    我还引入了一个全新的搜索功能,旨在让用户能够轻松搜索与情人节相关的信息,以供大模型使用,从而提升回答的质量和准确性。同时也能够让大模型更好地理解用户需求,为其提供更加个性化和有效的回答。

    from googlesearch import search
    def perform_google_search(query, num_results=10):
        """
        Perform a Google search using the specified query and number of results.
    
        Args:
        query (str): The search query.
        num_results (int): The number of search results to return.
    
        Returns:
        list of dicts: A list containing dictionaries with keys 'title', 'url', and 'summary'.
        """
        proxy = "http://127.0.0.1:10809"
        results = []
        for result in search(query, num_results=num_results, lang='en',proxy = proxy,ssl_verify = False):
            title = result.get('title')
            url = result.get('url')
            summary = result.get('summary')
            
            results.append({
                "Title": title,
                "URL": url,
                "Summary": summary
            })
            
            print("Title: ", title)
            print("URL: ", url)
            print("Summary: ", summary)
            print()
        
        return results
    

    其实通常情况下,我们会选择使用langchain的谷歌搜索来获取所需信息,但由于需要申请API密钥,因此我决定改用这个工具,它的底层机制类似于爬虫程序。

    总结

    在这篇文章中,我们介绍了如何利用大型语言模型为情人节营造难忘的氛围。通过上传图片并进行风格转化,我们可以为对方呈现一幅独特的作品,增添浪漫的色彩。同时,借助搜索功能,我们能够轻松获取与情人节相关的信息,为策划活动提供更多灵感和建议。

    当你准备调用大模型进行回答时,只需添加一个提示词即可启动。在实现这一过程中,我发现使用智能体搭建的方法更为高效。因此,如果你打算自行创建工具,最好保持简洁。智能体已经经过良好封装,使用起来非常方便。


    我是努力的小雨,一名 Java 服务端码农,潜心研究着 AI 技术的奥秘。我热爱技术交流与分享,对开源社区充满热情。身兼掘金优秀作者、腾讯云内容共创官、阿里云专家博主、华为云云享专家等多重身份。

    🚀 目前,我的探索重点在于 AI Agent 智能体应用,我对其充满好奇,并不断探索着其潜力与可能性。如果你也对此领域充满热情,欢迎与我交流分享,让我们共同探索未知的领域!

    💡 我将不吝分享我在技术道路上的个人探索与经验,希望能为你的学习与成长带来一些启发与帮助。

    🌟 欢迎关注努力的小雨!🌟

  • 相关阅读:
    shell编程(一)
    一文详细拆解Agent工作原理
    如何让一个uniform variable在多级shader中都起作用(类似C语言的全局变量)?
    parted磁盘分区 教程
    蓝桥杯入门即劝退(十)反转链表
    带你Java入门(Java系列1)
    CSDN 操作
    Spring boot项目集成阿里云短信服务发送短信验证码
    网络安全(黑客)自学
    Spring Boot Configuration Annotation Processor not configured 问题解决
  • 原文地址:https://www.cnblogs.com/guoxiaoyu/p/18207565