Metadata-Version: 2.1
Name: clueai
Version: 0.0.2.2.0
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)
          - [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)
        - [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 2022-11-09(新)
        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  | 
        
        
        ### 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))
        ```
        </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
        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"
              )
        
        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
        response = cl.start_finetune_model(
                engine_key=engine_key)
        print(response)
        ```
        </td>
        
        <td>
        
        ```python
        import clueai
        
        # initialize the Clueai Client with an API Key
        cl = clueai.Client(api_key)
        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：'''
        # 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.finetune_generate(
                engine_key=engine_key,
                prompt=prompt)
        # 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
        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>
        
        ## 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
