首页 > Python资料 博客日记
利用大型语言模型轻松打造浪漫时刻
2024-05-28 10:00:03Python资料围观175次
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:
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!🌟
标签:
相关文章
最新发布
- 光流法结合深度学习神经网络的原理及应用(完整代码都有Python opencv)
- Python 图像处理进阶:特征提取与图像分类
- 大数据可视化分析-基于python的电影数据分析及可视化系统_9532dr50
- 【Python】入门(运算、输出、数据类型)
- 【Python】第一弹---解锁编程新世界:深入理解计算机基础与Python入门指南
- 华为OD机试E卷 --第k个排列 --24年OD统一考试(Java & JS & Python & C & C++)
- Python已安装包在import时报错未找到的解决方法
- 【Python】自动化神器PyAutoGUI —告别手动操作,一键模拟鼠标键盘,玩转微信及各种软件自动化
- Pycharm连接SQL Sever(详细教程)
- Python编程练习题及解析(49题)
点击排行
- 版本匹配指南:Numpy版本和Python版本的对应关系
- 版本匹配指南:PyTorch版本、torchvision 版本和Python版本的对应关系
- Python 可视化 web 神器:streamlit、Gradio、dash、nicegui;低代码 Python Web 框架:PyWebIO
- 相关性分析——Pearson相关系数+热力图(附data和Python完整代码)
- Anaconda版本和Python版本对应关系(持续更新...)
- Python与PyTorch的版本对应
- Windows上安装 Python 环境并配置环境变量 (超详细教程)
- Python pyinstaller打包exe最完整教程