“文心”取自《文心雕龙》一书的开篇，作者刘勰在书中引述了一个古代典故：春秋时期，鲁国有一位名叫孔文子的大夫，他在学问上非常有造诣，但是他的儿子却不学无术，孔文子非常痛心。

(相关资料图)

一天，孔文子在山上遇到了一位神仙，神仙告诉他：“你的儿子之所以不学无术，是因为你没有给他灌输文心，让他懂得文学的魅力和意义。”孔文子听后深受启发，回家后开始给儿子灌输文学知识，儿子也逐渐对学问产生了兴趣，最终成为了一位有学问的人。因此，刘勰在书中将“文心”解释为“灌输文学知识的心灵”之意。

百度以“文心”命名自己的AI产品线，可见其对自己的中文处理能力是极为自信的，ERNIE3.0对标ChatGPT3.5/4.0，ERNIE-ViLG对标Stable-Diffusion，文心PLATO则可以理解为ChatGPT的embedding，可谓是野心勃勃。

文心一言SDK引入

百度目前已经开源文心一言的sdk工具包：

pip3 install --upgrade wenxin-api

和百度云产品线一样，安装好以后，需要去文心一言官网获取appkey和appsecret

随后编写请求逻辑：

import wenxin_api from wenxin_api.tasks.free_qa import FreeQAwenxin_api.ak = \"your ak\" #输入您的API Keywenxin_api.sk = \"your sk\" #输入您的Secret Keyinput_dict = {    \"text\": \"问题：天为什么这么蓝？
回答：\",    \"seq_len\": 512,    \"topp\": 0.5,    \"penalty_score\": 1.2,    \"min_dec_len\": 2,    \"min_dec_penalty_text\": \"。?：！[]\",    \"is_unidirectional\": 0,    \"task_prompt\": \"qa\",    \"mask_type\": \"paragraph\"}rst = FreeQA.create(**input_dict)print(rst)

程序返回：

{  \"code\": 0,  \"msg\": \"success\",  \"data\": {    \"result\": \"因为我们有个好心情\",    \"createTime\": \"2023-03-16 16:02:10\",    \"requestId\": \"71a6efb46acbd64394374f44579a01eb\",    \"text\": \"天为什么这么蓝\",    \"taskId\": 1000000,    \"status\": 1 # 0表示生成中，1表示生成成功  }}

请求的参数含义请参照官方文档：

async异步标识int11是异步标识，现阶段必传且传1text用户输入文本string空[1, 1000]是模型的输入文本，为prompt形式的输入。min_dec_len最小生成长度int1[1,seq_len]是输出结果的最小长度，避免因模型生成END导致生成长度过短的情况，与seq_len结合使用来设置生成文本的长度范围。seq_len最大生成长度int128[1, 1000]是输出结果的最大长度，因模型生成END或者遇到用户指定的stop_token，实际返回结果可能会小于这个长度，与min_dec_len结合使用来控制生成文本的长度范围。topp多样性float1.0[0.0,1.0]，间隔0.1是影响输出文本的多样性，取值越大，生成文本的多样性越强。penalty_score重复惩罚float1.0[1,2]否通过对已生成的token增加惩罚，减少重复生成的现象。值越大表示惩罚越大。设置过大会导致长文本生成效果变差。stop_token提前结束符string空否预测结果解析时使用的结束字符串，碰到对应字符串则直接截断并返回。可以通过设置该值，可以过滤掉few-shot等场景下模型重复的cases。task_prompt任务类型string空PARAGRAPH, SENT, ENTITY, Summarization, MT, Text2Annotation,Misc, Correction, QA_MRC, Dialogue, QA_Closed_book, QA_Multi_Choice,QuestionGeneration, Paraphrasing, NLI, SemanticMatching, Text2SQL, TextClassification, SentimentClassification,zuowen, adtext, couplet，novel,cloze否指定预置的任务模板，效果更好。 PARAGRAPH：引导模型生成一段文章； SENT：引导模型生成一句话； ENTITY：引导模型生成词组； Summarization：摘要； MT：翻译； Text2Annotation：抽取； Correction：纠错； QA_MRC：阅读理解； Dialogue：对话； QA_Closed_book: 闭卷问答； QA_Multi_Choice：多选问答； QuestionGeneration：问题生成； Paraphrasing：复述； NLI：文本蕴含识别； SemanticMatching：匹配； Text2SQL：文本描述转SQL；TextClassification：文本分类； SentimentClassification：情感分析； zuowen：写作文； adtext：写文案； couplet：对对联； novel：写小说； cloze：文本补全； Misc：其它任务。typeId模型类型int11是通用：1 ERNIE 3.0 Zeus 通用2 ERNIE 3.0 Zeus instruct模型同义改写1 ERNIE 3.0 Zeus 同义改写精调模型写作文：1 ERNIE 3.0 Zeus 记叙文增强包2 ERNIE 3.0 Zeus 议论文增强包3 ERNIE 3.0 Zeus 小学作文增强包写文案：1 ERNIE 3.0 百亿 社交短文案精调模型2 ERNIE 3.0 Zeus 商品营销文案增强包写摘要：1 ERNIE 3.0 Zeus 写摘要2 ERNIE 3.0 Zeus 写标题3 ERNIE 3.0 百亿 写标题对对联：1 ERNIE 3.0 Zeus 对对联2 ERNIE 3.0 百亿 对对联自由问答：1 ERNIE 3.0 Zeus 自由问答增强包2 ERNIE 3.0 百亿 自由问答3 ERNIE 3.0 Zeus instruct模型写小说1 ERNIE 3.0百亿 写小说精调模型补全文本1 ERNIE 3.0 Zeus 词补全增强包2 ERNIE 3.0 Zeus 句补全增强包3 ERNIE 3.0 Zeus 段落补全增强包penalty_text惩罚文本string空否模型会惩罚该字符串中的token。通过设置该值，可以减少某些冗余与异常字符的生成。choice_text候选文本string空否模型只能生成该字符串中的token的组合。通过设置该值，可以对某些抽取式任务进行定向调优。is_unidirectional单双向控制开关int00或1否0表示模型为双向生成，1表示模型为单向生成。建议续写与few-shot等通用场景建议采用单向生成方式，而完型填空等任务相关场景建议采用双向生成方式。min_dec_penalty_text最小惩罚样本string空否与最小生成长度搭配使用，可以在min_dec_len步前不让模型生成该字符串中的tokens。logits_bias屏蔽惩罚float-10000[1, 1000]否配合penalty_text使用，对给定的penalty_text中的token增加一个logits_bias，可以通过设置该值屏蔽某些token生成的概率。mask_type生成粒度stringword可选参数为word, sentence, paragraph否设置该值可以控制模型生成粒度。

这里需要注意的是，虽然参数支持async异步，但那不是指请求的异步方式返回，换句话说，文心模型返回还是需要等待的，并不是ChatGPT那种流式返回模式。

文心一言API调用

文心一言SDK的功能有限，也不支持异步请求调用，如果需要定制化或者使用别的语言请求文心一言，需要提前发起Http请求获取token，这里我们使用异步请求库httpx:

pip3 install httpx

添加获取token逻辑：

class Winxin:    def chat(self,text):        input_dict = {            \"text\": f\"问题：{text}
回答：\",            \"seq_len\": 512,            \"topp\": 0.5,            \"penalty_score\": 1.2,            \"min_dec_len\": 2,            \"min_dec_penalty_text\": \"。?：！[]\",            \"is_unidirectional\": 0,            \"task_prompt\": \"qa\",            \"mask_type\": \"paragraph\"        }        rst = FreeQA.create(**input_dict)        print(rst)    async def get_token(self):        headers = {\"Content-Type\":\"application/x-www-form-urlencoded\"}        async with httpx.AsyncClient() as client:            resp = await client.post(f\"https://wenxin.baidu.com/moduleApi/portal/api/oauth/token?grant_type=client_credentials&client_id={wenxin_api.ak}&client_secret={wenxin_api.sk}\",headers=headers)            result = resp.json()            print(result)

异步调用文心一言接口的token:

if __name__ == "__main__":        wx = Winxin()    asyncio.run(wx.get_token())

程序返回：

{"code": 0, "msg": "success", "data": "24.3f6a63545345ae6588ea86a353.86400000.1679123673218.92a99f8955c6f9ab2c438a5f31b5d73b-173001"}

这里返回的数据的data就是token，有效期是一天，吐槽一下，居然没有refreshtoken，也就是说过期了还得重新去请求，不能做到无感知换取。

随后请求接口换取taskid:

async def get_task(self,token,text):        url = \"https://wenxin.baidu.com/moduleApi/portal/api/rest/1.0/ernie/3.0.25/zeus\"                 data = {\"async\": 1, \"typeId\": 1, \"seq_len\": 512, \"min_dec_len\": 2, \"topp\": 0.8, \"task_prompt\": \"qa\", \"penalty_score\": 1.2, \"is_unidirectional\": 0, \"min_dec_penalty_text\": \"。?：！[]\", \"mask_type\": \"word\",\"text\":text}        headers = { \"Content-Type\": \"application/x-www-form-urlencoded\" }        params = { \"access_token\": token }        async with httpx.AsyncClient() as client:            result = client.post(url, headers=headers, params=params, data=data)            result = result.json()            print(result)

返回：

{    \"code\":0,    \"msg\":\"success\",    \"data\":{        \"taskId\": 1229202,        \"requestId\":\"7fad28872989e274914ee1687b8f2a13\"    }}

最后请求结果：

async def get_res(self,taskid,token):        url = \"https://wenxin.baidu.com/moduleApi/portal/api/rest/1.0/ernie/v1/getResult\"         access_token = token                task_id = taskid        headers = { \"Content-Type\": \"application/x-www-form-urlencoded\" }        params = { \"access_token\": access_token }        data = { \"taskId\": task_id }        async with httpx.AsyncClient() as client:            response = client.post(url, headers=headers, params=params, data=data)            print(response.text)

结果和SDK请求方式一致：

{  \"code\": 0,  \"msg\": \"success\",  \"data\": {    \"result\": \"因为我们有个好心情\",    \"createTime\": \"2023-03-16 18:09:40\",    \"requestId\": \"71a6efb46acbd64394374f44579a01eb\",    \"text\": \"天为什么这么蓝\",    \"taskId\": 1000000,    \"status\": 1 # 0表示生成中，1表示生成成功  }}

文心一格文字生成图像

ERNIE-ViLG AI作画大模型：文心ERNIE-ViLG2.0 是基于用户输入文本、或文本加图片生成图像及图像编辑功能的技术，主要为用户提供跨模态的文本生成图像的大模型技术服务。

文心一格和文心一言是共享appkey和appsecret的，添加图像生成逻辑：

class Winxin:    def draw(self,text):        num = 1        input_dict = {            \"text\": \"国画，工笔画，女侠，正脸\",            \"style\": \"工笔画\",            \"resolution\":\"1024*1024\",            \"num\": num        }        rst = TextToImage.create(**input_dict)        print(rst)

程序返回：

{    \"imgUrls\":[        \"https://wenxin.baidu.com/younger/file/ERNIE-ViLG/61157afdaef4f0dfef0d5e51459160fbex\"    ]}

效果：

对比基于Stable-Diffusion算法的Lora模型：

大家丰俭由己，各取所需。

需要注意的是，该产品线并不是免费的：

免费送200张，想继续玩就得充值，不愧是百度。话说免费的Stable-Diffusion不香吗？

结语

产品力而言，ChatGPT珠玉在前，文心一言还有很长的路需要走，用三国时期徐庶自比孔明的话来讲：“驽马焉敢并麒麟，寒鸦岂能配凤凰”。但是，也没必要一片挞伐之声，俄国著名作家契诃夫曾经说，“大狗叫，小狗也要叫”，ChatGPT虽然是一座遥不可及的高峰，但是其他公司也无须放弃人工智能领域的研究，毕竟作为最老牌的中文搜索引擎，百度浸润几十年的中文处理能力，还是无人能出其右的。