Metadata-Version: 2.1
Name: clueai
Version: 0.0.2.2.4
Summary: A Python library for the ClueAI API
Home-page: https://github.com/clue-ai/clueai-python
Author: matrix
Author-email: brightmart@hotmail.com
License: UNKNOWN
Description: 
        <p align="center">
        <br>
        <br>
        <br>
        <a href="https://clueai.cn"><img src="docs/imgs/logo.png" alt="CLUEAI logo: The data structure for unstructured data" width="200px"></>
        <br>
        <br>
        <br>
        <b>整合全球中文信息，通过人工智能服务， 使人人皆可访问并从中受益</b>
        </p>
        
        
        <p align=center>
        <a href=""> <img src="https://img.shields.io/badge/language-python3.6+-brightgreen.svg?style=plastic"></a>
        <a href="https://pypi.org/project/clueai/"><img alt="PyPI" src="https://img.shields.io/pypi/v/clueai?label=PyPI&logo=pypi&logoColor=white&style=flat-square"></a>
        <a href="https://colab.research.google.com/drive/1H5J03ek3kpKschQ32mhX-y0JyRo1mIXN#scrollTo=zMSp1naSL8X9"> <img src="https://colab.research.google.com/assets/colab-badge.svg"></a>
        </p>
        
         <img src="docs/imgs/clueai_all.png" /> 
        
         <img src="docs/imgs/clueai_demo.gif" /> 
        
        *Read this in other languages: [English](docs/README_en.md)
        
        - [Python 软件包](#python-软件包)
          - [安装](#安装)
        - [快速开始](#快速开始)
          - [免费试玩](#免费试玩)
          - [ChatYuan功能对话](#chatyuan功能对话)
              - [单轮对话](#单轮对话)
              - [多轮对话](#多轮对话)
          - [智能文档问答生成](#智能文档问答生成)
          - [文本理解](#文本理解)
          - [信息抽取(NER)](#信息抽取ner)
          - [文本生成](#文本生成)
          - [模型微调](#模型微调)
            - [上传库-启动-调用](#上传库-启动-调用)
          - [文本生成图像](#文本生成图像)
            - [图片生成示例输入](#图片生成示例输入)
            - [图片生成示例输出](#图片生成示例输出)
          - [构建引擎服务（推荐/问答/搜索）](#构建引擎服务推荐问答搜索)
            - [上传库--\>调用](#上传库--调用)
          - [示例输入](#示例输入)
          - [更大模型更好效果](#更大模型更好效果)
            - [文本分类](#文本分类)
            - [文本生成](#文本生成-1)
        - [生成参数说明](#生成参数说明)
        - [查看调用使用量](#查看调用使用量)
        - [模型介绍](#模型介绍)
        - [返回结果](#返回结果)
        - [问题反馈和技术交流](#问题反馈和技术交流)
        
        ### 更新 Update 2023-02-03(新)
        新增ChatYuan功能对话：  [ChatYuan功能对话](#ChatYuan功能对话)
        ### 更新 Update 2022-11-25(新)
        新增智能文档问答生成：  [智能文档问答生成](#智能文档问答生成)
        #### 更新 Update 2022-11-09
        新增模型微调功能：[模型微调](#模型微调) [上传库-启动-调用](#上传库-启动-调用)
        #### 更新 Update 2022-09-29
        PromptCLUE: 中文多任务Prompt预训练模型，已经开源！<a href='https://github.com/clue-ai/PromptCLUE'>github项目地址</a> | <a href='https://huggingface.co/ClueAI/PromptCLUE'>模型下载</a>
        
        ## Python 软件包
        
        该软件包提供了开发的功能，以简化在python3中与clueai API的接口。
        
        ### 安装
        
        可以使用 `pip`命令安装:
        
        ```bash
        pip install --upgrade clueai
        ```
        
        也可以通过源码:
        
        ```bash
        python setup.py install
        ```
        ## 快速开始
        
        ### 免费试玩
        
        * 使用colab一键运行使用
          
          [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/drive/1H5J03ek3kpKschQ32mhX-y0JyRo1mIXN#scrollTo=zMSp1naSL8X9)
        
        
        
        效果对比--16类中文任务
        
        |  任务类型  | PromptCLUE-base  | PromptCLUE-large    | 
        | :----:| :----: | :----: | 
        |  **分数** Score  | 63.47  | 70.55(+7.08)   | 
        |   参数 Parameters  | 220M |  770M   |  
        | **理解任务**（acc，10类） |  | | 
        | 分类 classify | 89.56 | 92.89| 
        | 情感分析 emotion_analysis | 80.55 | 85.64 | 
        | 相似度计算 similar | 70.94 | 78.47 | 
        | 自然语言推理 nli | 78.00 | 86.67 | 
        | 指代消解 anaphora_resolution | 30.00 | 64.00| 
        | 阅读理解 reading_comprehension | 71.69 | 84.78 | 
        | 关键词提取 keywords_extraction | 41.44 | 47.78 | 
        | 信息抽取 ner | 63.02 | 70.09 | 
        | 知识图谱问答 knowledge_graph  | - | 53.11 |
        | 中心词提取 Keyword_extraction | 66.50 |71.50 |  
        | **生成任务**（rouge，6类） |  |   | 
        | 翻译（英中、中英） nmt | 55.92 | 59.67 | 
        | 摘要 summary | 31.71 | 34.48| 
        | 问答 qa | 21.18 | 27.05 | 
        | 生成（文章、问题生成） | 35.86 | 39.87 | 
        | 改写 paraphrase | - | 57.68  | 
        | 纠错 correct | - | 93.35  | 
        
        
        ### ChatYuan功能对话
        
        ##### 单轮对话
        ```python
        import clueai
        
        # initialize the Clueai Client with an API Key
        cl = clueai.Client('YOUR_API_KEY', check_api_key=True)
        prompt= '''用户：介绍一下亚马逊云的历史
        小元：'''
        
        # generate a prediction for a prompt 
        # 需要返回得分的话，指定return_likelihoods="GENERATION"
        prediction = cl.generate(
                    model_name='ChatYuan-large',
                    prompt=prompt)
                    
        # print the predicted text          
        print('prediction: {}'.format(prediction.generations[0].text))
        ```
        
        ##### 多轮对话
        ```python
        import clueai
        
        # initialize the Clueai Client with an API Key
        cl = clueai.Client('YOUR_API_KEY', check_api_key=True)
        prompt= '''用户：新冠什么症状？
        小元：新冠是指新型冠状病毒，其症状包括发热、干咳、乏力、嗅味觉减退、呼吸困难等。
        用户：可以吃什么药？
        小元：根据您提供的病史，目前没有明确的抗新冠病毒的药物，建议您在家进行自我隔离，避免与他人接触，多喝开水，清淡易消化饮食，避免熬夜和过度劳累，适当进行户外活动。
        用户：帮我写一个2023年工作规划
        小元：'''
        
        # generate a prediction for a prompt 
        # 需要返回得分的话，指定return_likelihoods="GENERATION"
        prediction = cl.generate(
                    model_name='ChatYuan-large',
                    prompt=prompt)
                    
        # print the predicted text          
        print('prediction: {}'.format(prediction.generations[0].text))
        ```
        ### 智能文档问答生成
        
        说明：
        1. 可以根据你的文档，自动生成问题和答案对
        2. 需要有个API key， 并且在创建`clueai.Client`对象时需要指定这个API key. API key 可以通过这个[平台](https://www.clueai.cn/)获得，方法： 点击[官网](https://www.clueai.cn/)右上角立即使用-注册登陆后-右上角有创建apikey-创建apikey
        
        <table>
        <tr>
        <td> 示例代码 🔐 </td>
        </tr>
        
        <td>
        
        ```python
        import clueai
        cl = clueai.Client('YOUR_API_KEY')
        doc='''本周早些时候，始于俄罗斯的两条巨型天然气管道分别发现了三个泄漏点。管道中充满燃料，破裂产生了宽度达800米的气泡，上浮到丹麦博恩霍尔姆岛附近的波罗的海表面。
        就在泄漏发生前，附近检测到了爆炸，而欧洲各国尚未确定被称为北溪一号和北溪二号管道泄漏的原因。欧洲和美国的领导人表示，这是一起蓄意破坏行为。
        相关猜测指向俄罗斯，该国的国有能源公司俄罗斯天然气工业股份公司是这些管道的主要所有者。俄罗斯发言人德米特里·佩斯科夫驳斥了有关俄罗斯参与的指控，称其“愚蠢”，并将矛头指向美国。'''
        predictions = cl.doc_qa_generate(model_name='clueai-large', doc=doc)
        print("prediction: ", predictions)
        ```
        </td>
        </table>
        
        
        
        ### 文本理解
        <table>
        <tr>
        <td> python 🔐 </td>
        <td> curl 🔐⚡⚡ </td>
        </tr>
        
        <tr>
        <td>
        
        ```python
        import clueai
        from clueai.classify import Example
        cl = clueai.Client("", check_api_key=False)
        response = cl.classify(
              model_name='clueai-base',
              task_name='产品分类',
              inputs=["强大图片处理器，展现自然美丽的你,,修复部分小错误，提升整体稳定性。", "求闲置买卖，精品购物，上畅易无忧闲置商城，安全可信，优质商品有保障"],
              labels = ["美颜", "二手", "外卖", "办公", "求职"])
        print('prediction: {}'.format(response.classifications))
        ```
             # 获取单次输入的预测标签及其概率
             cls_result=response.classifications[0]
             predict_label=cls_result.prediction
             confidence=cls_result.confidence
             possibility=''
             for ii,element in enumerate(confidence):
                 if element.label==predict_label:
                     possibility=element.confidence
                     break
         
        </td>
        <td>
        
        ```python
        curl --location --request POST 'https://www.modelfun.cn/modelfun/api/serving_api' \
            --header 'Content-Type: application/json' \
            --header 'Model-name: clueai-base' \
            --data '{
               "task_type": "classify",
               "task_name": "产品分类",
               "input_data": ["强大图片处理器，展现自然美丽的你,,修复部分小错误，提升整体稳定性。", "求闲置买卖，精品购物，上畅易无忧闲置商城，安全可信，优质商品有保障"],
               "labels": ["美颜", "二手", "外卖", "办公", "求职"]
               }'
        
        ```
        </td>
        
        </tr>
        </table>
        
        
        ### 信息抽取(NER)
        <table>
        <tr>
        <td> python 🔐 </td>
        <td> curl 🔐⚡⚡ </td>
        </tr>
        
        <tr>
        <td>
        
        ```python
        import clueai
        
        # initialize the Clueai Client with an API Key
        cl = clueai.Client("", check_api_key=False)
        prompt= '''
        信息抽取：
        据新华社电广东省清远市清城区政府昨日对外发布信息称,日前被实名举报涉嫌勒索企业、说“分分钟可以搞垮一间厂”的清城区环保局局长陈柏,已被免去清城区区委委员
        问题：机构名，人名，职位
        答案：
        '''
        prediction = cl.generate(
                model_name='clueai-base',
                prompt=prompt) 
        # 需要返回得分的话，指定return_likelihoods="GENERATION"
                 
        # print the predicted text          
        print('prediction: {}'.format(prediction.generations[0].text))
        ```
        </td>
        <td>
        
        ```python
        curl --location --request POST 'https://www.modelfun.cn/modelfun/api/serving_api' \
            --header 'Content-Type: application/json' \
            --header 'Model-name: clueai-base' \
            --data '{
               "task_type": "generate",
               "task_name": "信息抽取",
               "input_data": ["信息抽取：\n据新华社电广东省清远市清城区政府昨日对外发布信息称,日前被实名举报涉嫌勒索企业、说“分分钟可以搞垮一间厂”的清城区环保局局长陈柏,已被免去清城区区委委员\n问题：机构名，人名，职位\n答案："]
               }'
        
        ```
        </td>
        
        </tr>
        </table>
        
        ### 文本生成
        <table>
        <tr>
        <td> python 🔐 </td>
        <td> curl 🔐⚡⚡ </td>
        </tr>
        
        <tr>
        <td>
        
        ```python
        import clueai
        
        # initialize the Clueai Client with an API Key
        cl = clueai.Client("", check_api_key=False)
        prompt= '''
        摘要：
        本文总结了十个可穿戴产品的设计原则，而这些原则，同样也是笔者认为是这个行业最吸引人的地方：1.为人们解决重复性问题；2.从人开始，而不是从机器开始；3.要引起注意，但不要刻意；4.提升用户能力，而不是取代人
        答案：
        '''
        # generate a prediction for a prompt 
        
        generate_config = {
            "do_sample": True,
            "top_p": 0.8,
            "max_length": 128,
            "min_length": 10,
            "length_penalty": 1.0,
            "num_beams": 1
          }
        # 如果需要自由调整参数自由采样生成，添加额外参数信息设置方式：generate_config=generate_config
        prediction = cl.generate(
                model_name='clueai-base',
                prompt=prompt) 
        # 需要返回得分的话，指定return_likelihoods="GENERATION"
                 
        # print the predicted text          
        print('prediction: {}'.format(prediction.generations[0].text))
        ```
        </td>
        <td>
        
        ```python
        curl --location --request POST 'https://www.modelfun.cn/modelfun/api/serving_api' \
            --header 'Content-Type: application/json' \
            --header 'Model-name: clueai-base' \
            --data '{
               "task_type": "generate",
               "task_name": "摘要",
               "input_data": ["摘要：\n本文总结了十个可穿戴产品的设计原则，而这些原则，同样也是笔者认为是这个行业最吸引人的地方：1.为人们解决重复性问题；2.从人开始，而不是从机器开始；3.要引起注意，但不要刻意；4.提升用户能力，而不是取代人\n答案："]
               }'
        
        ```
        </td>
        
        </tr>
        </table>
        
        ### 模型微调
        #### 上传库-启动-调用
        说明：
        1. 上传需要微调的数据，自动训练微调/部署模型，提供接口使用
        2. 上传的数据为json格式，参考./examples/finetune_train_examples.json
        3. 基于promptCLUE模型微调，建议参考prompt提示的格式构建数据集，效果会更好，prompt格式可以参考下面[示例输入](#示例输入)的形式
        4. 需要有个API key， 并且在创建`clueai.Client`对象时需要指定这个API key. API key 可以通过这个[平台](https://www.clueai.cn/)获得，方法： 点击[官网](https://www.clueai.cn/)右上角立即使用-注册登陆后-右上角有创建apikey-创建apikey
        5. 微调数据数量限制1w条，超过会被采样，如果需要微调更大数量请与我们联系，联系方式见最下方
        6. 完整代码可参考：[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/drive/1H5J03ek3kpKschQ32mhX-y0JyRo1mIXN#scrollTo=zMSp1naSL8X9)
        7. 默认启动模型推理服务后，会保持10分钟，超时会断开
        <table>
        <tr>
        <td> 上传文件 🔐 </td>
        <td> 启动模型 🔐 </td>
        <td> 调用模型 🔐 </td>
        </tr>
        
        <tr>
        
        <td>
        
        ```python
        # 上传少量微调数据，指定输入和输出字段， input_field和target_field分别指你需要微调的输入和输出字段
        # 指定基础模型ChatYuan/ClueAI, ChatYuan:功能对话大模型，ClueAI：单模型多任务大模型
        import clueai
        api_key=""
        cl = clueai.Client(api_key)
        response = cl.upload_finetune_corpus(
              file_path="finetune_train_examples.json",
              input_field="input",
              target_field="target",
              base_model_name="ChatYuan"
              )
        
        if "engine_key" in response:
          engine_key = response["engine_key"]
          print("engine key: ", engine_key)
        else:
          print(response)
        ```
        </td>
        
        <td>
        
        ```python
        import clueai
        cl = clueai.Client(api_key)
        # engine_key 指定你训练模型的key
        # 指定基础模型ChatYuan/ClueAI, ChatYuan:功能对话大模型，ClueAI：单模型多任务大模型
        response = cl.start_finetune_model(
                engine_key=engine_key,
                base_model_name="ChatYuan")
        print(response)
        ```
        </td>
        
        <td>
        
        ```python
        import clueai
        
        # initialize the Clueai Client with an API Key
        cl = clueai.Client(api_key)
        chatyuan_prompt= '''用户：你能干什么？
        小元：'''
        clueai_prompt= '''以下两句话的意思相同的吗？
        “花呗已经退还 可是我还没收到”，“我的花呗最迟还款是几号”。
        选项：是的，不是。
        答案：'''
        prompt = chatyuan_prompt
        # generate a prediction for a prompt
        
        generate_config = {
            "do_sample": True,
            "top_p": 0.8,
            "max_length": 128,
            "min_length": 10,
            "length_penalty": 1.0,
            "num_beams": 1
          }
        # 如果需要自由调整参数自由采样生成，添加额外参数信息设置方式：generate_config=generate_config
        # 指定基础模型ChatYuan/ClueAI, ChatYuan:功能对话大模型，ClueAI：单模型多任务大模型
        prediction = cl.finetune_generate(
                engine_key=engine_key,
                prompt=prompt,
                base_model_name="ChatYuan")
        # print the predicted text
        print('prediction: {}'.format(prediction.generations[0].text))
        ```
        </td>
        </tr>
        </table>
        
        
          
        ### 文本生成图像
        * 文本生成图像可以直接使用[绘画师](https://clueai.cn/clueai/t2i/) <a href="https://clueai.cn/clueai/t2i/" target="_blank"><img src="docs/imgs/painting.png" width="30px"></a>
        <table>
        <tr>
        <td> python 🔐 </td>
        </tr>
        
        <tr>
        <td>
        
        ```python
        import clueai
        from PIL import Image
        cl = clueai.Client("", check_api_key=False)
        response = cl.text2image(
              model_name='clueai-base',
              prompt="秋日的晚霞",
              style="毕加索",
              out_file_path="test.png") 
        
        im = Image.open('test.png')
        im.show()
        ```
        </td>
        
        </tr>
        </table>
        
        #### 图片生成示例输入
        ```bash
        prompt: 秋日的晚霞
        ```
        
        
        ```bash
        prompt: 室内设计
        ```
        
        
        ```bash
        prompt: 婚礼鲜花
        ```
        
        
        ```bash
        prompt: 浩瀚星空
        ```
        
        
        ```bash
        prompt: 浩瀚星空
        style: 梵高
        ```
        
        
        ```bash
        prompt: 远处有雪山的蓝色湖泊，蓝天白云，很多鸟
        ```
        
        #### 图片生成示例输出
        
        <p float="left">
           <img src="docs/imgs/秋日的晚霞.png"  width="30%" height="30%" />   
           <img src="docs/imgs/室内设计.png"  width="30%" height="30%" />   
           <img src="docs/imgs/婚礼鲜花.png"  width="30%" height="30%" /> 
           <img src="docs/imgs/浩瀚星空.png"  width="30%" height="30%" /> 
           <img src="docs/imgs/浩瀚星空-梵高.png"  width="30%" height="30%" /> 
           <img src="docs/imgs/雪山.png"  width="30%" height="30%" /> 
        </p>  
        
        ### 构建引擎服务（推荐/问答/搜索）
        #### 上传库-->调用
        首先通过上传数据文件(json)和指定需要查询的文本字段，借助clueai构建独立引擎服务； 
        然后通过传入需要推荐/问题的query和引擎的engine_key即可使用, 可以参考examples下的test.json
        
        <table>
        <tr>
        <td> 上传文件 🔐 </td>
        <td> 调用引擎 🔐 </td>
        </tr>
        
        <tr>
        
        <td>
        
        ```python
        import clueai
        cl = clueai.Client("", check_api_key=False)
        response = cl.upload_corpus(
              model_name='clueai-base',
              file_path="./examples/law_test.json",
              field="title"
              )
        engine_key = response["engine_key"]
        print("engine key: ", engine_key)
        ```
        
        </td>
        <td>
        
        ```python
        import clueai
        cl = clueai.Client("", check_api_key=False)
        response = cl.search(
              model_name='clueai-base',
              engine_key=engine_key,
              query="法律案例"
              )
        print('prediction: {}'.format(response.matches))
        ```
        
        </td>
        </tr>
        </table>
        
        ### 示例输入
        2022/12/9 update:
        
        根据标题和关键词生成文章
        ```
        Input:
        根据标题和关键词生成文章：
        标题：一种自动化的文本标注系统和方法；关键词：文本处理，大语言模型，弱监督学习，主动学习
        答案：
        Model output:
        本发明涉及一种自动化的文本标注系统和方法，涉及文本处理技术领域。其中，文本标注系统包括文本处理单元和主动学习单元，文本处理单元对文本进行预处理，将文本输入到大语言模型，通过弱监督学习的方式训练主动学习单元，从而完成对文本的标注，所述主动学习单元根据训练得到的主动学习单元学习结果，对标注文本进行标注，得到标注文本的标注结果，根据标注结果，对标注数据进行标注。本发明能够实现对文本进行自动化标注，提高文本标注的自动化程度，并且能够减少人工标注的周期。本发明的方法在文本标注中能够快速、准确、高效的完成标注工作，提升文本标注的效率。本发明的实现为大规模文本标注系统提供了新思路。本发明在文本处理技术领域具有广泛的应用前景。本发明能够提高文本标注的效率，为自动标注系统的实现提供一定的帮助。本发明能够用于文本标注，提高文本的标注效率，提升文本标注质量。本发明具有较好的实用价值。该发明能够有效实现自动化的文本标注，提高标注质量。本申请提供的方法和系统能够快速的完成标注工作。本发明具有很好的实用价值。本发明的自动化的文本标注技术能够提高文本标注系统效率，提升文本的标注质量。
        ```
        
        根据标题生成文章
        ```
        Input:
        根据标题生成文章：
        标题：俄罗斯天然气管道泄漏爆炸
        答案：
        
        Model output:
        俄罗斯天然气管道12月3日发生爆炸，造成2人死亡，30多人受伤。俄罗斯天然气工业股份公司当天说，该管道在俄首都莫斯科以北大约100公里的萨哈林州境内发生泄漏，爆炸导致1人身亡，至少30人受伤。该管道的管道长度约为203公里，爆炸地点位于该州境内，距离首都莫斯科大约150公里。“爆炸造成2人死亡，至少30人受伤”。爆炸地点距俄罗斯总理普京居住的弗拉基米尔·科扎罗夫市大约80公里。当地政府正在全力搜救遇难者。“俄罗斯天然气工业股份公司总经理谢尔盖·米哈伊洛夫说，天然气管道爆炸事故是“不可逆的”，“这表明了天然气工业行业面临的危险和挑战”。“12月3日，一名伤者在莫斯科一家医院接受治疗。“12月4日，救援人员从爆炸地点的爆炸现场抬出被炸伤的俄罗斯总理普京。“12月5日，俄罗斯天然气工业股份公司的救援人员从爆炸现场的爆炸现场抬出了被炸伤的总理普京。“11月27日，在俄罗斯南部城市索契，消防人员从爆炸现场抬出爆炸中的俄罗斯总理普京。俄罗斯天然气工业集团总公司总经理尼古拉·科诺年科说，管道泄漏爆炸事故是“无法控制的”。
        
        ```
        按照文本风格续写
        ```
        Input:
        按照文本风格续写：
        茫茫太空，人类迈出的每一步都充满了智慧和勇气。
        答案：
        
        Model output:
        茫茫太空，人类迈出的每一步都充满了智慧和勇气。中国载人航天工程新闻发言人武平昨天宣布，经天宫一号与神舟九号载人交会对接任务总指挥部研究决定，神舟九号飞船定于6月16日18时37分发射，中国人民解放军航天员大队男航天员景海鹏、刘旺和女航天员刘洋组成飞行乘组，执行这次载人交会对接的任务。航天员系统总指挥陈善广表示，组合体飞行期间，所有航天空间医学实验已按计划顺利展开，获得了大量有价值的数据和成果。经过后续深入分析处理后，这些数据将有助于航天医学发展和空间站阶段航天员长期在轨飞行的保障技术研究。陈善广说，航天员系统在本次任务中承担着重要角色，是空间医学实验的主力军。各大系统将进一步做好发射前的各项准备，冻结状态，准备执行发射任务。陈善广介绍说，这次任务的主要目的是：发射神舟九号飞船，与天宫一号目标飞行器先后进行一次自动和一次航天员手控交会对接，首次验证手控交会对接技术，进一步验证自动交会对接技术;全面验证天宫一号保障航天员工作生活的功能、性能，以及组合体管理技术，首次实现地面向在轨飞行器进行人员和物资的往返运输与补给;进一步考核飞船、火箭和目标飞行器的功能和性能，以及工程各系统间的协调性。神舟九号飞船、长征二号F遥九火箭与神舟八号飞船及遥八火箭技术状态基本一致，为适应载人需要，并进一步提高安全性与可靠性，进行了部分技术状态更改。陈善广指出，神舟八号任务圆满成功，实现了我国载人航天飞行由短期飞行向中长期飞行的过渡，飞行时间由13天增加到14天，我国载人航天工程“三步走”战略确定的阶段性目标圆满实现。神舟九号任务飞行乘组采取了新老搭配、男女配合的方式，三名航天员各有分工。景海鹏作为本次任务的指令长，将在整个乘组中发挥核心作用。刘旺被分配的主要任务是“交会对接操作岗”。刘洋在地面的医学监督与保障下，全面参与飞船与天宫一号的交会对接操作，包括对飞船实施返回控制和撤离;在组合体飞行阶段，进行目标飞行器照料与管理，并开展航天医学实验及空间站阶段的在轨飞行等。
        
        ```
        
        营销文案生成
        ```
        Input:
        营销文案生成：
        标题：上衣
        材质：纯棉；颜色：蓝色；图案：线条；图案：刺绣；衣样式：卫衣；衣领型：圆领；衣门襟：套头；
        答案：
        
        Model output:
        BRAND这款套头卫衣，采用纯棉面料打造，手感柔软细腻，穿着亲肤舒适。经典的圆领设计，修饰颈部线条，更显修长。衣身以蓝色为主色调，搭配精致的刺绣图案，彰显品牌魅力。
        ```
        
        问题生成
        
        ```
        Input:
        问题生成：
        本周早些时候，始于俄罗斯的两条巨型天然气管道分别发现了三个泄漏点。管道中充满燃料，破裂产生了宽度达800米的气泡，上浮到丹麦博恩霍尔姆岛附近的波罗的海表面。
        就在泄漏发生前，附近检测到了爆炸，而欧洲各国政府尚未确定被称为北溪一号和北溪二号管道泄漏的原因。欧洲和美国的领导人表示，这是一起蓄意破坏行为。
        相关猜测指向俄罗斯，该国的国有能源公司俄罗斯天然气工业股份公司是这些管道的主要所有者。俄罗斯发言人德米特里·佩斯科夫驳斥了有关俄罗斯参与的指控，称其“愚蠢”，并将矛头指向美国。
        答案：
        
        Model output:
        两条巨型天然气管道分别发现了几个泄漏点？
        北溪一号和北溪二号管道泄漏的原因是什么？
        俄罗斯天然气工业股份公司的主要股东是谁？
        俄罗斯天然气工业股份公司是这些管道的主要所有者是什么？
        俄罗斯天然气工业股份公司是一家怎样的公司？
        俄罗斯天然气工业股份公司是什么的主体？
        两条天然气管道分别发现了几个泄漏点？
        
        ```
        SQL生成
        
        ```
        Input:
        根据描述生成SQL：
        帮我查一下元语智能总市值多少净利润多少收入增长率怎么样
        答案：
        
        Model output:
        SELECT 总市值(亿元), 净利润(万元), 收入增长率 WHERE 证券简称 == "元语智能"
        ```
        
        改写：
        
        ```
        Input:
        生成与下列文字相同意思的句子：
        长期通胀前景在今天可能不确定性更大。
        答案：
        
        Model output:
        今天的长期通胀前景可能更加不确定。
        今天长期通胀前景可能更加不确定。
        而今天长期通胀前景可能更为不确定。
        长期通胀前景可能在今天变得更加不确定。
        今天的长期通胀前景可能更具不确定性。
        如今，长期通胀前景的不确定性可能更大。
        长期通胀前景今天可能更具不确定性。
        ```
        
        完形填空
        
        ```
        Input:
        理解段落，完成以下完形填空任务：
        巴黎是__的首都
        答案：
        
        Model output:
        法国
        ```
        
        文档智能问答：
        
        ```
        Input:
        文档智能问答：
        本周早些时候，始于俄罗斯的两条巨型天然气管道分别发现了三个泄漏点。管道中充满燃料，破裂产生了宽度达800米的气泡，上浮到丹麦博恩霍尔姆岛附近的波罗的海表面。
        就在泄漏发生前，附近检测到了爆炸，而欧洲各国尚未确定被称为北溪一号和北溪二号管道泄漏的原因。欧洲和美国的领导人表示，这是一起蓄意破坏行为。
        相关猜测指向俄罗斯，该国的国有能源公司俄罗斯天然气工业股份公司是这些管道的主要所有者。俄罗斯发言人德米特里·佩斯科夫驳斥了有关俄罗斯参与的指控，称其“愚蠢”，并将矛头指向美国。
        答案：
        
        Model output:
        序号|问题|答案
        0|俄罗斯境内的哪条天然气管道有三条泄漏点?|北溪一号
        1|波罗的海表面附近的哪里为北溪一号和北溪二号天然气管道的泄漏地点?|丹麦博恩霍尔姆岛
        2|北溪一号和二号管道的主要所有者为哪个国家?|俄罗斯
        3|波罗的海表面在哪一座岛的西边?|丹麦博恩霍尔姆岛
        4|北溪一号天然气管道是连接北溪二号管道的哪一条管道?|无答案
        5|欧洲和美国的领导人指称北溪一号和北溪二号天然气管道的泄漏是蓄意破坏行为，而北溪一号和二号天然气管道的主要所有者是哪一家公司?|俄罗斯天然气工业股份公司
        6|俄罗斯境内的哪条天然气管道是主要所有者?|俄罗斯天然气工业股份公司
        7|俄罗斯天然气工业股份公司的管道的主要所有者为?|俄罗斯
        8|欧洲和美国的领导人认为这次的管道泄漏是蓄意破坏行为，因此指出此事件为?|一起
        9|从俄罗斯开始的两条巨型天然气管道分别发现了几个泄漏点?|三个
        10|宽度达800米的气泡浮到波罗的海表面的地方为?|丹麦博恩霍尔姆岛
        ```
        
        base function:
        
        新闻分类(classify)
        ```bash
        Input:
        新闻分类：
        今天（3日）稍早，中时新闻网、联合新闻网等台媒消息称，佩洛西3日上午抵台“立法院”，台湾新党一早8时就到台“立法院”外抗议，高喊：“佩洛西，滚蛋！”台媒报道称，新党主席吴成典表示，佩洛西来台一点道理都没有，“平常都说来者是客，但这次来的是祸！是来祸害台湾的。”他说，佩洛西给台湾带来祸害，“到底还要欢迎什么”。
        选项：财经，法律，国际，军事
        答案：
        
        Model output:
        国际
        ```
        
        意图分类(classify)
        ```bash
        Input:
        意图分类：
        帮我定一个周日上海浦东的房间
        选项：闹钟，文学，酒店，艺术，体育，健康，天气，其他
        答案：
        
        Model output:
        酒店
        ```
        
        情感分析(classify)
        ```bash
        Input:
        情感分析：
        这个看上去还可以，但其实我不喜欢
        选项：积极，消极
        答案：
        
        Model output:
        消极
        ```
        
        推理(generate)
        ```bash
        Input:
        推理关系判断：
        前提：小明今天在北京
        假设：小明在深圳旅游
        选项：矛盾，蕴含，中立
        答案：
        
        Model output:
        矛盾
        ```
        
        阅读理解(generate)
        ```bash
        Input:
        阅读理解：
        段落：海外网8月2日电据美国《国会山报》8月1日报道，三名美国众议院议员日前致信美国政府问责局（GAO），要求审查联邦政府应对猴痘疫情的措施是否充分。
        在信中，三名众议员称美国的公共卫生系统“严重受损”，联邦政府应对猴痘疫情行动迟缓，分发试剂和疫苗的工作出现延误，影响了遏制疫情传播的能力，而数百万剂的猴痘疫苗历经数月才获得批准，从一家丹麦工厂发往美国。
        议员们还要求美国政府问责局审查美疾病控制和预防中心、食品和药物管理局、国土安全部，查明这些联邦机构是否为应对猴痘疫情做出了充分准备，是否借鉴了应对新冠疫情的经验教训。
        美媒称，几个星期以来，美国国会议员频频就猴痘疫情应对措施向联邦政府施压，呼吁政府宣布进入公共卫生紧急状态。截至目前，美国疾病控制与预防中心已经确认了5000多例猴痘病例。考虑到仍有许多民众无法进行猴痘病毒检测，当前的病例数可能被低估。
        问题：联邦政府应对疫情有什么问题？
        答案：
        
        Model output:
        联邦政府应对猴痘疫情行动迟缓,分发试剂和疫苗的工作出现延误,影响了遏制疫情传播的能力
        ```
        阅读理解-自由式(generate)
        ```bash
        Input:
        阅读以下对话并回答问题。
        男：今天怎么这么晚才来上班啊？女：昨天工作到很晚，而且我还感冒了。男：那你回去休息吧，我帮你请假。女：谢谢你。
        问题：女的怎么样？
        选项：正在工作，感冒了，在打电话，要出差。
        答案：
        
        Model output:
        感冒了
        ```
        
        摘要(generate)
        ```bash
        Input:
        为下面的文章生成摘要：
        北京时间9月5日12时52分，四川甘孜藏族自治州泸定县发生6.8级地震。地震发生后，领导高度重视并作出重要指示，要求把抢救生命作为首要任务，全力救援受灾群众，最大限度减少人员伤亡
        答案：
        
        Model output:
        四川甘孜州泸定县发生6.8级地震
        ```
        
        翻译-中英(generate)
        ```bash
        Input:
        翻译成英文：
        议长去了台湾，中国人民很愤怒。
        答案：
        
        Model output:
        The Speaker went to Taiwan, and the Chinese people were angry.
        ```
        
        翻译-英中(generate)
        ```bash
        Input:
        翻译成中文：
        This is a dialogue robot that can talk to people.
        答案：
        
        Model output:
        这是一个能与人对话的机器人。
        ```
        通用信息抽取(generate)
        ```bash
        Input:
        信息抽取：
        据新华社电广东省清远市清城区政府昨日对外发布信息称,日前被实名举报涉嫌勒索企业、说“分分钟可以搞垮一间厂”的清城区环保局局长陈柏,已被免去清城区区委委员
        问题：机构名，人名，职位
        答案：
        
        Model output:
        机构名:新华社,清城区环保局,清城区区委
        人名:陈柏
        职位:局长
        ```
        
        简历信息抽取(generate)
        ```bash
        Input:
        阅读文本抽取关键信息：
        张玄武2000年出生中国国籍无境外居留权博士学历现任杭州线锁科技技术总监。
        问题：机构，人名，职位，籍贯，专业，国籍，学历，种族
        答案：
        
        Model output:
        机构:杭州线锁科技
        人名:张玄武
        职位:技术总监
        国籍:中国国籍
        学历:博士学历```
        ```
        
        医疗信息抽取(generate)
        ```bash
        Input:
        找出指定的信息：
        我今天胃不舒服，手有点麻木，浑身不舒服，前几天去医院医生说我有胃炎
        问题：症状，治疗，检查，身体部位，疾病
        答案：
        
        Model output:
        症状:胃不舒服,麻木,浑身不舒服,胃炎
        ```
        
        电商客户需求分析(classify)
        ```bash
        Input:
        电商客户诉求分类：
        收到但不太合身，可以退换吗
        选项：买家咨询商品是否支持花呗付款，买家表示收藏关注店铺，买家咨询退换货规则，买家需要商品推荐
        答案：
        
        Model output:
        买家咨询退换货规则
        ```
        
        医疗语义相似度(classify)
        ```bash
        Input:
        下面句子是否表示了相同的语义：
        文本1：糖尿病腿麻木怎么办？
        文本2：糖尿病怎样控制生活方式
        选项：相似，不相似
        答案：
        
        Model output:
        不相似
        ```
        
        问题生成(generate)
        ```bash
        Input:
        问题生成：
        中新网2022年9月22日电 22日，商务部召开例行新闻发布会，商务部新闻发言人束珏婷表示，今年1-8月，中国实际使用外资1384亿美元，增长20.2%；其中，欧盟对华投资增长123.7%(含通过自由港投资数据)。这充分表明，包括欧盟在内的外国投资者持续看好中国市场，希望继续深化对华投资合作。
        答案：
        
        Model output:
        1、今年1-8月,中国实际使用外资增长了多少? 2、欧盟对华投资增长了多少? 
        ```
        
        指代消解(generate)
        ```bash
        Input:
        代词指向哪个名词短语：
        段落：
        当地时间9月21日，英国首相特拉斯在纽约会见了美国总统拜登。随后她便在推特上发文强调，英美是坚定盟友。推文下方还配上了她（代词）与拜登会面的视频。
        问题：代词“她”指代的是？
        答案：
        
        Model output:
        特拉斯 
        ```
        
        关键词抽取(generate)
        ```bash
        Input:
         抽取关键词：
        当地时间21日，美国联邦储备委员会宣布加息75个基点，将联邦基金利率目标区间上调到3.00%至3.25%之间，符合市场预期。这是美联储今年以来第五次加息，也是连续第三次加息，创自1981年以来的最大密集加息幅度。
        关键词：
        
        Model output:
        美联储,加息75个基点,加息幅度
        ```
        
        
        情感倾向(classify)
        ```bash
        文字中包含了怎样的情感：
        超可爱的帅哥，爱了。。。
        选项：厌恶，喜欢，开心，悲伤，惊讶，生气，害怕
        答案：
        
        Model output::
        喜欢
        ```
        
        文章生成(generate)
        ```bash
        Input:
        根据标题生成文章：
        标题：俄罗斯天然气管道泄漏爆炸
        答案：
        
        Model output:
        新华网莫斯科6月12日电(记者贺颖骏)俄罗斯紧急情况部新闻处12日证实，俄罗斯南部特罗伊茨克州的一条天然气管道12日发生泄漏爆炸，目前已造成至少20人死亡。“据俄紧急情况部新闻局发表的声明，管道是俄罗斯特罗伊茨克斯天然气工业公司运营的一部分。管道的一处出口受到影响，天然气被泄漏的气体引燃。“声明没有说明天然气管道发生爆炸的原因。“目前，当地消防部门正在全力灭火。
        ```
        
        中心词提取(generate)
        ```bash
        中心词提取：
        现在有京东国际太方便了，可以安全的买到正经的电子设备，游戏机完全没问题，发货非常快，第二天就到
        答案：
        
        Model output:
        京东国际
        ```
        
        改写(generate)
        ```bash
        生成与下列文字相同意思的句子：
        长期通胀前景在今天可能不确定性更大。
        答案：
        
        Model output:
        如今，长期通胀前景不确定性可能更大。
        ```
        
        纠错(generate)
        ```bash
        文本纠错：
        你必须服从命令，不要的考虑。你的思想被别人手下来。
        答案：
        
        Model output:
        你必须服从命令，不要考虑。你的思想被别人打下来。
        ```
        
        问答(generate)
        ```bash
        问答：
        问题：阿里巴巴的总部在哪里：
        答案：
        
        Model output:
        浙江省杭州市
        ```
        
        ### 更大模型更好效果
        
        在用更大模型之前，你需要有个API key， 并且在创建`clueai.Client`对象时需要指定这个API key. API key 可以通过这个[平台](https://www.clueai.cn/)获得，下面是有关分类和生成任务的一个基本的示例, 可以通过接口查看调用使用量
        
        #### 文本分类
        <table>
        <tr>
        <td> python 🔐 </td>
        <td> curl 🔐⚡⚡ </td>
        </tr>
        
        <tr>
        <td>
        
        ```python
        import clueai
        from clueai.classify import Example
        # initialize the Clueai Client with an API Key
        cl = clueai.Client('YOUR_API_KEY')
        # 如果查看api_key的使用量可以通过 print(cl.check_usage())
        response = cl.classify(
          model_name='clueai-large',
          task_name='情感分析',
          task_name='产品分类',
          inputs=["强大图片处理器，展现自然美丽的你,,修复部分小错误，提升整体稳定性。", "求闲置买卖，精品购物，上畅易无忧闲置商城，安全可信，优质商品有保障"],
          labels = ["美颜", "二手", "外卖", "办公", "求职"])
        
        print('prediction: {}'.format(response.classifications))
        ```
        </td>
        <td>
        
        ```python
        curl --location --request POST 'https://www.modelfun.cn/modelfun/api/serving_api' \
          --header 'Content-Type: application/json' \
          --header 'Model-name: clueai-large' \
          --header 'Api-Key: BEARER {api_key}' \
          --data '{
               "task_type": "classify",
               "task_name": "产品分类",
               "input_data": ["强大图片处理器，展现自然美丽的你,,修复部分小错误，提升整体稳定性。", "求闲置买卖，精品购物，上畅易无忧闲置商城，安全可信，优质商品有保障"],
               "labels": ["美颜", "二手", "外卖", "办公", "求职"]
               }'
        ```
        </td>
        
        </tr>
        </table>
        
        #### 文本生成
        <table>
        <tr>
        <td> python 🔐 </td>
        <td> curl 🔐⚡⚡ </td>
        </tr>
        
        <tr>
        <td>
        
        ```python
        import clueai
        
        # initialize the Clueai Client with an API Key
        cl = clueai.Client('YOUR_API_KEY')
        prompt= '''
        摘要：
        本文总结了十个可穿戴产品的设计原则，而这些原则，同样也是笔者认为是这个行业最吸引人的地方：1.为人们解决重复性问题；2.从人开始，而不是从机器开始；3.要引起注意，但不要刻意；4.提升用户能力，而不是取代人
        答案：
        '''
        # generate a prediction for a prompt 
        prediction = cl.generate(
                    model_name='clueai-large',
                    prompt=prompt)
                    
        # print the predicted text          
        print('prediction: {}'.format(prediction.generations[0].text))
        ```
        </td>
        <td>
        
        ```python
        curl --location --request POST 'https://www.modelfun.cn/modelfun/api/serving_api' \
            --header 'Content-Type: application/json' \
           --header 'Model-name: clueai-large' \
          --header 'Api-Key: BEARER {api_key}' \
            --data '{
               "task_type": "generate",
               "task_name": "摘要",
               "input_data": ["摘要：\n本文总结了十个可穿戴产品的设计原则，而这些原则，同样也是笔者认为是这个行业最吸引人的地方：1.为人们解决重复性问题；2.从人开始，而不是从机器开始；3.要引起注意，但不要刻意；4.提升用户能力，而不是取代人\n答案："]
               }'
        
        ```
        </td>
        
        </tr>
        </table>
        
        ## 生成参数说明 
        
        1. max_length: 指定生成的文本的token总数量（包括输入的token数量） 
        
        2. min_lenght: 指定生成的文本的最小数量（不包括输入的token数量） 
        
        3. do_sample: 是否采样输出
        
        4. num_beams: 当使用beam search搜索时需要指定的beam的num，越大效果越好，但是越费时间
        
        5. temperature: 平滑输出token的概率
        
        6. top_k: 保留概率最大的前k个进行采样
        
        7. top_p: 按照概率排序的token，在保留概率累计和为当前值范围内的token进行采样
        
        8. repetition_penalty: 重复惩罚参数
        
        9. length_penalty: 长度惩罚参数
        
        10. no_repeat_ngram_size: 不重复的ngram窗口大小
        
        更多参数和说明[参考transformers](https://huggingface.co/docs/transformers/v4.25.1/en/main_classes/text_generation#transformers.GenerationMixin.generate)
        
        ## 查看调用使用量
        
        ```python
        import clueai
        
        # initialize the Clueai Client with an API Key
        # 微调用户finetune_user=True
        cl = clueai.Client('YOUR_API_KEY')
        print(cl.check_usage(finetune_user=False)) 
        ```
        
        ## 模型介绍
        
        当您调用clueai的API时，我们为您的用例指定默认模型。 默认模型非常适合您开始使用，但是在生产环境中，我们建议您通过`model_name`参数自己指定特定模型。
        
        ## 返回结果
        
        对于不同的任务返回相对应的clueai对象（例如，对于分类，将是“Classification”）。 
        
        ClueAI 被[ClueAI](https://clueai.cn) 支持，并且相关协议可以查看[licensed](./LICENSE).
        
        ## 问题反馈和技术交流
          
        <p float="left">
           <img src="https://github.com/clue-ai/clueai-python/blob/main/docs/imgs/clueai.jpeg"  width="30%" height="35%" />   
           <img src="https://github.com/clue-ai/clueai-python/blob/main/docs/imgs/clueai_huihua.jpeg"  width="30%" height="35%" />
           <img src="https://github.com/clue-ai/clueai-python/blob/main/docs/imgs/brightmart.jpeg"  width="30%" height="35%" /> 
        </p> 
        
        
        
        
        
Platform: UNKNOWN
Classifier: Programming Language :: Python :: 3
Classifier: License :: OSI Approved :: MIT License
Classifier: Operating System :: OS Independent
Requires-Python: >=3.6
Description-Content-Type: text/markdown
