Author: veteran

总体评价，开发手册比较全面，但是部分关键概念对小白不是非常友好，很多地方和chatgpt比起来是有不少差距的，但是，我看了看价格，所有的缺点就变成优点了。：）

1. 有python的官方sensenova库，pip直接安装就好
   1.但使用官方库，目前在构建知识库的时候，只支持knowledge 1这种参数，也就是json格式。如果想使用knowledge 2，也就是直接上传pdf、word等格式的文件，就要采用直接调用api的方式，也就是要使用python request库才可以。虽然区别不大，但也是小坑。

2. 对于文件，要区分你是打算fine tune还是知识库，两种目的的文件格式是完全不同的，如下

   1. fine tune的格式如下

   

   1. 知识库的格式如下
      第一种方式，官方库和api都支持

   

   第二种方式，只支持api
   

3. 我在项目上遇到了一个问题：需要从上传的知识库（先上传文件，然后转化成知识库，应该是向量化了），对某一个应急事件进行分类判断。但是chatgpt和sensenova给出了同样错误的答案。

   1. 目前打算不使用pdf，而是换json的方式来实现精准匹配。

openai对于中国古诗还是不在行啊

这是商汤sensennova大语言模型的示例代码（对话生成_无对话历史）

stream = True # 流式输出或非流式输出
model_id = "nova-ptc-xl-v1" # 填写真实的模型ID

resp = sensenova.ChatCompletion.create(
    messages=[{"role": "user", "content": "人生天地间，下一句是啥"}],
    model=model_id,
    stream=stream,
    max_new_tokens=1024,
    n=1,
    repetition_penalty=1.05,
    temperature=0.9,
    top_p=0.7,
    know_ids=[],
    user="sensenova-python-test-user",
    knowledge_config={
        "control_level": "normal",
        "knowledge_base_result": True,
        "knowledge_base_configs":[]
    },
    plugins={
        "associated_knowledge": {
            "content": "需要注入给模型的知识",
            "mode": "concatenate"
        },
        "web_search": {
            "search_enable": True,
            "result_enable": True
        },
    }
)

if not stream:
    resp = [resp]
for part in resp:
    choices = part['data']["choices"]
    for c_idx, c in enumerate(choices):
        if len(choices) > 1:
            sys.stdout.write("===== Chat Completion {} =====\n".format(c_idx))
        if stream:
            delta = c.get("delta")
            if delta:
                sys.stdout.write(delta)
        else:
            sys.stdout.write(c["message"])
            if len(choices) > 1:
                sys.stdout.write("\n")
        sys.stdout.flush()

下面我们来line by line的解释

英文

1. stream = True: This line sets a variable named stream. If True, it indicates that the output will be in a streaming fashion. Streaming output is typically used for real-time data processing.
2. model_id = "nova-ptc-xl-v1": Here, model_id is set to the string "nova-ptc-xl-v1", which seems to be the identifier of a specific model in the Sensenova framework.
3. resp = sensenova.ChatCompletion.create(…): This line calls the create method of the ChatCompletion class from the sensenova module. This method likely generates a chat completion or response based on the given parameters.
4. messages=[{"role": "user", "content": "人生天地间，下一句是啥"}]: Specifies the input message for the chat model. Here, the role is set as "user" and the content is a Chinese phrase.
5. model=model_id: Specifies the model to be used for chat completion.
6. stream=stream: Passes the stream variable to control streaming behavior.
7. max_new_tokens=1024: Limits the number of new tokens (words/characters) that the model can generate.
8. n=1: Indicates that the number of completions to generate is 1.
9. repetition_penalty=1.05: Adjusts the likelihood of the model repeating the same line.
10. temperature=0.9: Sets the creativity or randomness of the response.
11. top_p=0.7: Controls the diversity of the response.
12. know_ids=[]: An empty list, possibly for specifying known IDs for context or tracking.
13. user="sensenova-python-test-user": Specifies a user identifier.
14. knowledge_config={…}: Configures how the model should use external knowledge.
15. plugins={…}: Configures additional features or plugins, like injecting knowledge (associated_knowledge) and enabling web search (web_search).
16. if not stream: resp = [resp]: If stream is False, this wraps resp in a list. This is probably for consistency in processing the response whether it’s streaming or not.
17. for part in resp:: Iterates over each part in the response.
18. choices = part[‘data’]["choices"]: Extracts the choices from the response data. This might contain the actual chat completions or responses.
19. for c_idx, c in enumerate(choices):: Iterates over the choices, with c_idx being the index and c being the content.
20. if len(choices) > 1: …: If there are multiple choices, it prints a separator with the index.
21. Inside the nested if and else:
22. If stream is True, it prints delta from each choice, which might be a part of the streaming response.
23. If stream is False, it prints the message from each choice.
24. sys.stdout.flush(): Ensures that everything written to the standard output is actually displayed. This is often used in streaming or real-time applications to update the output promptly.

This code seems to be a part of a chatbot implementation using the Sensenova framework, where it sends a message to a chat model and processes the response, either in a streaming manner or as a complete response.

中文

• stream = True：这行代码设置了一个名为 stream 的变量。如果为 True，表示输出将以流式方式进行。流式输出通常用于实时数据处理。
• model_id = "nova-ptc-xl-v1"：这里，model_id 被设置为字符串 "nova-ptc-xl-v1"，这似乎是 Sensenova 框架中特定模型的标识符。
• resp = sensenova.ChatCompletion.create(…)：这行代码调用了 sensenova 模块中 ChatCompletion 类的 create 方法。这个方法可能会根据给定的参数生成聊天回复。
• messages=[{"role": "user", "content": "人生天地间，下一句是啥"}]：指定了聊天模型的输入消息。这里，角色被设置为 "user"，内容是一个中文短语。
• model=model_id：指定用于聊天完成的模型。
• stream=stream：传递 stream 变量以控制流式行为。
• max_new_tokens=1024：限制模型可以生成的新令牌（单词/字符）的数量。
• n=1：表示要生成的完成次数为 1。
• repetition_penalty=1.05：调整模型重复相同行的可能性。
• temperature=0.9：设置回应的创造性或随机性。
• top_p=0.7：控制回应的多样性。
• know_ids=[]：一个空列表，可能用于指定上下文或跟踪的已知 ID。
• user="sensenova-python-test-user"：指定用户标识符。
• knowledge_config={…}：配置模型如何使用外部知识。
• plugins={…}：配置额外的功能或插件，如注入知识（associated_knowledge）和启用网络搜索（web_search）。
• if not stream: resp = [resp]：如果 stream 为 False，则将 resp 包装在列表中。这可能是为了无论是否流式，处理响应时的一致性。
• for part in resp:：遍历响应中的每个部分。
• choices = part[‘data’]["choices"]：从响应数据中提取 choices。这可能包含实际的聊天完成或响应。
• for c_idx, c in enumerate(choices):：遍历 choices，c_idx 为索引，c 为内容。
• if len(choices) > 1: …：如果有多个选项，它将打印一个分隔符和索引。
• 在嵌套的 if 和 else 中：
  • 如果 stream 为 True，它会打印每个选项中的 delta，这可能是流式响应的一部分。
  • 如果 stream 为 False，它会打印每个选项中的 message。
• sys.stdout.flush()：确保写入标准输出的所有内容实际上都被显示。这在流式或实时应用中经常用于及时更新输出。

这段代码似乎是使用 Sensenova 框架的聊天机器人实现的一部分，其中它发送消息到聊天模型并处理响应，无论是以流式方式还是作为完整的响应。

核采样参数

top_p：核采样参数，用于解码生成token的过程。

“核采样参数，解码生成token时，在概率和大于等于top_p的最小token集合中进行采样”这句话描述的是一种称为“核采样”（Top-p sampling）的机制，它用于生成语言模型的回复。下面是这个概念的详细解释：

核采样（Top-p sampling）：这是一种在自然语言处理中用于生成文本的技术。在生成下一个词（token）时，核采样只考虑那些累积概率和达到指定阈值 top_p 的最可能的词。 解码生成token：当语言模型生成回复时，它逐个生成词（token）。解码过程是选择每个步骤中应该生成哪个词的过程。 在概率和大于等于top_p的最小token集合中进行采样：这意味着在生成每个词时，模型会查看所有可能的下一个词及其概率。然后，它计算这些概率的累积和，并选择一个累积和至少为 top_p 的词的集合。模型仅从这个集合中随机选择下一个词，而不是从所有可能的词中选择。 举例来说，如果 top_p 设为0.7，模型会考虑累积概率和至少达到70%的那部分词。这样的选择过程确保了生成的文本既有一定的多样性（因为不总是选择最可能的词），同时也保持了一定的连贯性和可读性。 核采样是一种平衡生成文本多样性和可预测性的有效方法，常用于各种基于深度学习的语言生成模型。

Instance:

In Python, an instance is a specific object created from a class. A class is a blueprint that defines the members (attributes and methods) it supports, and an instance is a concrete object created based on this blueprint. Each instance has the attributes and methods defined in the class.
Example: If you have a Dog class, when you create a Dog object, that object is an instance of the Dog class.

class Dog:
    def __init__(self, name):
        self.name = name

my_dog = Dog("Buddy")  # my_dog is an instance of the Dog class

Object:

In Python, an object is the fundamental unit in the program, and almost everything is an object, including numbers, strings, data structures, functions, and even classes themselves. Each object has a type (indicating what it is) and identity (a unique identifier).
Example: In the Dog class above, my_dog is not just an instance, but also an object.

Item:

In Python, an item typically refers to a single element within a container type like a list, tuple, or dictionary.
Example: In a list, each element at a position is an item.

numbers = [1, 2, 3]
first_item = numbers[0]  # first_item is an item in the list, with a value of 1

Attribute:

In Python, an attribute is a variable that belongs to an object. In a class definition, attributes are variables defined outside of methods and are used to store the state of an instance.
Example: In the Dog class, name is an attribute.

class Dog:
    def __init__(self, name):
        self.name = name  # name is an attribute

my_dog = Dog("Buddy")
print(my_dog.name)  # Accessing the name attribute of my_dog

In this example, Dog is a class, my_dog is an instance of the Dog class (and also an object), name is an attribute of the my_dog object, and [1, 2, 3] is a list where 1, 2, and 3 are items in the list.

中文解释

让我们结合Python语言来重新解释这些概念，并给出相应的例子：

实例（Instance）：

在Python中，实例是根据类创建的具体对象。类是一种定义其成员（属性和方法）的模板，而实例是根据这个模板创建的具体对象。每个实例都拥有类中定义的属性和方法。
例子：如果有一个类Dog，当你创建一个Dog的对象时，这个对象就是Dog类的一个实例。

class Dog:
    def __init__(self, name):
        self.name = name

my_dog = Dog("Buddy")  # my_dog 是 Dog 类的一个实例

对象（Object）：

在Python中，对象是程序中的基本单元，几乎所有东西都是对象，包括数字、字符串、数据结构、函数，以及类本身。每个对象都有类型（表示它是什么）和身份（标识它是独一无二的）。
例子：在上面的Dog类中，my_dog不仅是一个实例，也是一个对象。
项目（Item）：
在Python中，项目通常指的是容器类型（如列表、元组、字典）中的单个元素。
例子：在一个列表中，每个位置的元素都是一个项目。

numbers = [1, 2, 3]
first_item = numbers[0]  # first_item 是列表中的一个项目，值为 1

属性（Attribute）：

在Python中，属性是附属于对象的变量。在类的定义中，属性是定义在方法外的变量，它们用于存储实例的状态。
例子：在Dog类中，name是一个属性。

class Dog:
    def __init__(self, name):
        self.name = name  # name 是一个属性

my_dog = Dog("Buddy")
print(my_dog.name)  # 访问 my_dog 的 name 属性

在这个例子中，Dog是一个类，my_dog是Dog类的一个实例（同时也是一个对象），name是my_dog对象的一个属性，而[1, 2, 3]是一个列表，其中的1、2、3是列表的项目。