为集成LLM到测试平台提供更便捷的方式：为讯飞的LLM星火创建接入LangChain类（全部源代码）
LangChain是一个强大的框架，旨在帮助开发人员使用语言模型构建端到端的应用程序。它提供了一套工具、组件和接口，可简化创建由大型语言模型 (LLM) 和聊天模型提供支持的应用程序的过程。LangChain 可以轻松管理与语言模型的交互，将多个组件链接在一起，并集成额外的资源，例如 API 和数据库。
讯飞已经发布了v3的模型，提供一定份额的免费API的tokens，对于尝试学习以及一些简单尝试非常友好，最近学习LangChain，发现没有讯飞星火的集成，因此自己动手写了一个。
官方的访问API
#!/usr/bin/env python
# -*- coding: utf-8 -*-
'''
@File : SparkApi.py
@Time : 2023/10/18 11:01:37
@Author : CrissChan
@Version : 1.0
@Site : https://blog.csdn.net/crisschan
@Desc :
'''
import _thread as thread
import base64
import datetime
import hashlib
import hmac
import json
from urllib.parse import urlparse
import ssl
from datetime import datetime
from time import mktime
from urllib.parse import urlencode
from wsgiref.handlers import format_date_time
import websocket # 使用websocket_client
answer = ""
class Ws_Param(object):
# 初始化
def __init__(self, APPID, APIKey, APISecret, Spark_url):
self.APPID = APPID
self.APIKey = APIKey
self.APISecret = APISecret
self.host = urlparse(Spark_url).netloc
self.path = urlparse(Spark_url).path
self.Spark_url = Spark_url
# 生成url
def create_url(self):
# 生成RFC1123格式的时间戳
now = datetime.now()
date = format_date_time(mktime(now.timetuple()))
# 拼接字符串
signature_origin = "host: " + self.host + "\n"
signature_origin += "date: " + date + "\n"
signature_origin += "GET " + self.path + " HTTP/1.1"
# 进行hmac-sha256进行加密
signature_sha = hmac.new(self.APISecret.encode('utf-8'), signature_origin.encode('utf-8'),
digestmod=hashlib.sha256).digest()
signature_sha_base64 = base64.b64encode(signature_sha).decode(encoding='utf-8')
authorization_origin = f'api_key="{self.APIKey}", algorithm="hmac-sha256", headers="host date request-line", signature="{signature_sha_base64}"'
authorization = base64.b64encode(authorization_origin.encode('utf-8')).decode(encoding='utf-8')
# 将请求的鉴权参数组合为字典
v = {
"authorization": authorization,
"date": date,
"host": self.host
}
# 拼接鉴权参数，生成url
url = self.Spark_url + '?' + urlencode(v)
# 此处打印出建立连接时候的url,参考本demo的时候可取消上方打印的注释，比对相同参数时生成的url与自己代码生成的url是否一致
return url
# 收到websocket错误的处理
def on_error(ws, error):
print("### error:", error)
# 收到websocket关闭的处理
def on_close(ws,one,two):
print(" ")
# 收到websocket连接建立的处理
def on_open(ws):
thread.start_new_thread(run, (ws,))
def run(ws, *args):
data = json.dumps(gen_params(appid=ws.appid, domain= ws.domain,question=ws.question))
ws.send(data)
# 收到websocket消息的处理
def on_message(ws, message):
# print(message)
data = json.loads(message)
# print(data)
code = data['header']['code']
if code != 0:
print(f'请求错误: {code}, {data}')
ws.close()
else:
choices = data["payload"]["choices"]
status = choices["status"]
content = choices["text"][0]["content"]
print(content,end ="")
# 尝试找到可以转成python对象的list结构
# print(content)
global answer
answer += content
#print(1)
if status == 2:
ws.close()
def gen_params(appid, domain,question):
"""
通过appid和用户的提问来生成请参数
"""
data = {
"header": {
"app_id": appid,
"uid": "1234"
},
"parameter": {
"chat": {
"domain": domain,
"random_threshold": 0.5,
"temperature": 0.5,
"max_tokens": 2048,
"auditing": "default"
}
},
"payload": {
"message": {
"text": question
}
}
}
return data
def main(appid, api_key, api_secret, Spark_url,domain, question):
# print("星火:")
wsParam = Ws_Param(appid, api_key, api_secret, Spark_url)
# websocket.enableTrace(False)
wsUrl = wsParam.create_url()
ws = websocket.WebSocketApp(wsUrl, on_message=on_message, on_error=on_error, on_close=on_close, on_open=on_open)
ws.appid = appid
ws.question = question
ws.domain = domain
ws.run_forever(sslopt={"cert_reqs": ssl.CERT_NONE})
SparkAPI和LangChain中间的一个调用层
下面代码是一个SparkAPI和LangChain的调用层，方便更好封装Spark的参数。
#!/usr/bin/env python
# -*- coding: utf-8 -*-
'''
@File : spark_middlerware.py
@Time : 2023/11/01 18:44:52
@Author : CrissChan
@Version : 1.0
@Site : https://blog.csdn.net/crisschan
@Desc : 链接sparkapi的中间件，中间控制版本，token上限等
'''
import SparkApi
import os
from dotenv import load_dotenv, find_dotenv
#以下密钥信息从控制台获取
class SparkMiddleware(object):
_=load_dotenv(find_dotenv())
appid = os.getenv("SPARK_APP_ID")
api_secret=os.getenv("SPARK_APP_SECRET")
api_key=os.getenv("SPARK_APP_KEY")
#用于配置大模型版本，默认“general/generalv2”
# domain = "general" # v1.5版本
# domain = "generalv2" # v2.0版本
#domain = "generalv3" # v3.0版本
#云端环境的服务地址
# Spark_url = "ws://spark-api.xf-yun.com/v1.1/chat" # v1.5环境的地址
# Spark_url = "ws://spark-api.xf-yun.com/v2.1/chat" # v2.0环境的地址ws(s)://spark-api.xf-yun.com/v2.1/chat
# Spark_url = "ws://spark-api.xf-yun.com/v3.1/chat" # v3.0环境的地址ws(s)://spark-api.xf-yun.com/v3.1/chat
# 定义了sparkdomain和url的dict，这样在输入的时候就可以自动匹配对应的版本地址
domain_url = {"general":"ws://spark-api.xf-yun.com/v1.1/chat",
"generalv2":"ws://spark-api.xf-yun.com/v2.1/chat",
"generalv3":"ws://spark-api.xf-yun.com/v3.1/chat",
}
text =[]
'''
@des :spark middlerware的构造函数，创建一个和封装sparkapi调用的参数的中间层
@params :
domain 代表需要调取spark的版本其中有三种值可选 "general"是v1.5版本，"generalv2"表示v2.0版本， "generalv3"表示v3.0版本，当前讯飞的星火就有三个版本
role 代表角色，星火的有两个角色“user”表示是用户的问题，“assistant”表示AI的回复
@return :None
'''
def __init__(self,domain,role,content) -> None:
self.text.clear
self.__getText(role,content)
SparkApi.main(self.appid,self.api_key,self.api_secret,self.domain_url[domain],domain,self.text)
pass
'''
@des :拼装成访问参数中的text需要的格式
@params : role 代表角色，星火的有两个角色user表示是用户的问题，assistant表示AI的回复
content是用户输入的问题
@return :None
'''
def __getText(self,role,content) -> None:
jsoncon = {}
jsoncon["role"] = role
jsoncon["content"] = content
self.text.append(jsoncon)
# return self.text
self.__checklen()
'''
@des :获取这次传递给llm的prompt的长度
@params :None
@return :None
'''
def __getlength(self)-> None:
length = 0
for content in self.text:
temp = content["content"]
leng = len(temp)
length += leng
return length
'''
@des :参数长度检查，如果全部的prompt的长度超过了8000，那么就删除这次拼装好的prompt
@params :None
@return :None
'''
def __checklen(self)-> None:
while (self.__getlength() > 8000):
del self.text[0]
# return self.text
'''
@des :获取LLM的反馈
@params :None
@return :string
'''
def response(self)-> str:
return SparkApi.answer
SparkLLM继承LangChain的LLM
SparkLLM，继承了LangChain的LLM，参考了LangChain官方的CustomerLLM的写法。
#!/usr/bin/env python
# -*- coding: utf-8 -*-
'''
@File : iflytek.py
@Time : 2023/10/27 17:28:58
@Author : CrissChan
@Version : 1.0
@Site : https://blog.csdn.net/crisschan
@Desc : 通过Langchain的customerLLM的方式，把讯飞的spark介入Langchain，按照Langchain的https://python.langchain.com/docs/modules/model_io/models/llms/custom_llm进行改写
'''
import logging
from typing import Any, List, Optional
from langchain.callbacks.manager import CallbackManagerForLLMRun
from langchain.llms.base import LLM
from spark_middlerware import SparkMiddleware
class SparkLLM(LLM):
#domain 代表需要调取spark的版本其中有三种值可选 "general"是v1.5版本，"generalv2"表示v2.0版本， "generalv3"表示v3.0版本，当前讯飞的星火就有三个版本
domain :str
@property
def _llm_type(self) -> str:
return "Spark"
# @property
# def _identifying_params(self) -> Mapping[str, Any]:
# """Get the identifying parameters."""
# _model_kwargs = self.model_kwargs or {}
# return {
# **{"endpoint_url": self.endpoint_url},
# **{"model_kwargs": _model_kwargs},
# }
def _call(
self,
prompt: str,
stop: Optional[List[str]] = None,
run_manager: Optional[CallbackManagerForLLMRun] = None,
**kwargs: Any,
) -> str:
if stop is not None:
raise ValueError("stop kwargs are not permitted.")
# return prompt[: self.n]
smw = SparkMiddleware(domain=self.domain,role='user',content=prompt)
try:
logging.debug("spark response :"+smw.response())
return smw.response()
except Exception as e:
logging.debug(f"spark middlerware error :{e}")
return "error"
总结
如上源代码拿来即可以用，其中需要Python的_变量以及将appid、api_secret、apikey存在项目根目录的env文件中就可以了。
如果对于变量不熟悉可以学习：https://blog.csdn.net/crisschan/article/details/133277855?spm=1001.2014.3001.5501
PS
下载地址：https://download.csdn.net/download/chenlei_525/88496832
![无缝融入，即刻智能[二]：Dify-LLM平台(聊天智能助手、AI工作流)快速使用指南，42K+星标见证专属智能方案](https://ucc.alicdn.com/fnj5anauszhew_20240819_1d1a574e34e6463ab6585a9d8f594cd6.png?x-oss-process=image/format,webp/resize,h_160,m_lfit)
![无缝融入，即刻智能[一]：Dify-LLM大模型平台，零编码集成嵌入第三方系统，42K+星标见证专属智能方案](https://ucc.alicdn.com/fnj5anauszhew_20240812_a8db98b02a1249c38f99eccf58b601e0.png?x-oss-process=image/format,webp/resize,h_160,m_lfit)