Obsidian-default-light { "Appearance-light@@accent-light": "#8B6CEF", "Appearance-light@@accent-color-override-light": true, "Appearance-light@@color-red-rgb@@light": "#E93147", "Appearance-light@@color-orange-rgb@@light": "#ec7500", "Appearance-light@@color-yellow-rgb@@light": "#e0ac00", "Appearance-light@@color-green-rgb@@light": "#08B94E", "Appearance-light@@color-cyan-rgb@@light": "#00bfbc", "Appearance-light@@color-blue-rgb@@light": "#086DDD", "Appearance-light@@color-purple-rgb@@light": "#7852EE", "Appearance-light@@color-pink-rgb@@light": "#D53984", "Appearance-light@@on-border-light": "#5a5a5a", "Appearance-light@@background-primary@@light": "#ffffff", "Appearance-light@@background-primary-alt@@light": "#fafafa", "Appearance-light@@background-secondary@@light": "#f6f6f6", "Appearance-light@@background-secondary-alt@@light": "#fcfcfc", "Appearance-light@@background-tertiary@@light": "#f6f6f6", "Appearance-light@@workspace-background-translucent@@light": "#FFFFFF99", "Appearance-light@@background-modifier-hover@@light": "#00000013", "Appearance-light@@background-modifier-active-hover@@light": "#8A5CF526", "Appearance-light@@background-modifier-border@@light": "#e0e0e0", "Appearance-light@@background-modifier-border-hover@@light": "#d4d4d4", "Appearance-light@@background-modifier-border-focus@@light": "#bdbdbd", "Appearance-light@@text-normal@@light": "#222222", "Appearance-light@@text-muted@@light": "#5a5a5a", "Appearance-light@@text-faint@@light": "#ababab", "Appearance-light@@interactive-normal@@light": "#ffffff", "Appearance-light@@interactive-hover@@light": "#fafafa", "Appearance-light@@card-shadow-light": "0 0 0 1px var(--background-modifier-border)", "Appearance-light@@background-activated-tab-header-light": "#00000013", "Appearance-light@@shadow-activated-tab-header-light": "none", "Appearance-light@@indicator-remove-light": true } One-dark { "Appearance-dark@@accent-dark": "#528BFF", "Appearance-dark@@accent-color-override-dark": true, "Appearance-dark@@color-red-rgb@@dark": "#BE5046", "Appearance-dark@@color-orange-rgb@@dark": "#D19A66", "Appearance-dark@@color-yellow-rgb@@dark": "#E5C07B", "Appearance-dark@@color-green-rgb@@dark": "#98C379", "Appearance-dark@@color-cyan-rgb@@dark": "#56B6C2", "Appearance-dark@@color-blue-rgb@@dark": "#61AFEF", "Appearance-dark@@color-purple-rgb@@dark": "#C678DD", "Appearance-dark@@color-pink-rgb@@dark": "#E06C75", "Appearance-dark@@on-border-dark": "#ABB2BF", "Appearance-dark@@mix-blend-mode-on-border-dark": "\"\"", "Appearance-dark@@background-primary@@dark": "#282C34", "Appearance-dark@@background-secondary@@dark": "#21252B", "Appearance-dark@@background-tertiary@@dark": "#333842", "Appearance-dark@@text-normal@@dark": "#ABB2BF", "Appearance-dark@@text-muted@@dark": "#7F848E", "Appearance-dark@@text-faint@@dark": "#5C6370", "Appearance-dark@@background-activated-tab-header-dark": "#404754" }

需求介绍 QA数据集，即问答数据集，对于测评大模型应用能力、指令微调具备一定的价值。 事实上，没有Dify时，完全可以调用API实现这一过程。但Dify进行实现后，该功能的复用、修改、配置效率都降进一步提升。 本文思路： Dify应用开发——Dify开发细节介绍——数据情况——配合代码及文件 实现 Dify应用开发 Promot 你是一个问答数据生成专家,可以文本内容生成问答数据。 生成的问题和回答应口语形式描述出来。 每条问题要全面清晰，要求问题和回答的语句完整。 最后强调，以不同的角度生成2条问答数据。 文本内容： 低[电]压 low voltage,LV 用于配电的交流系统中1000V及其以下的电压等级。 [来源：GB/T 2900.50—2008,2.1] 生成问题： 问题1：低压的英文是什么 回答1：抵押的英文是low voltage 问题2：低压的含义是什么 回答2：低压是用于配电的交流系统中1000V及其以下的电压等级。 文本内容： 5.3.12.2 工作负责人（监护人）： a) 确认工作票所列安全措施正确、完备，符合现场实际条件，必要时予以补充； b) 正确、安全地组织工作； c) 工作前，对工作班成员进行工作任务、安全措施交底和危险点告知，并确保每个工作班成员都已签名确认； d) 组织执行工作票所列由其负责的安全措施； 生成问题： 问题1：工作负责人是否需要负责安全措施 回答1：工作负责人需要负责安全措施 问题2：工作成员不签名安全措施和危险点可以工作吗 回答2：工作成员不签名安全措施和危险点不可以工作 文本内容： {{#sys.query#}} 后处理 实际代码 import time import pandas as pd from openai import OpenAI import os import json import requests def get_files_absolute_paths(folder_path): result = [] # 确保给定的路径是存在的 if not os.path.exists(folder_path): print(f"The path {folder_path} does not exist.") return [] # 列出给定文件夹中的所有文件（不包括子文件夹） for file in os.listdir(folder_path): if os.path.isfile(os.path.join(folder_path, file)): # 构造文件的绝对路径 file_path = os.path.abspath(os.path.join(folder_path, file)) result.append(file_path) # 输出文件的绝对路径 # print(file_path) return result def read_txt_file(file_path): with open(file_path, 'r', encoding='utf-8') as file: content = file.read() return content def get_llm_response(input_text): url = 'http://172.20.32.127:5001/v1/chat-messages' data = { "inputs": {}, "query": input_text, "response_mode": "blocking", "conversation_id": "", "user": "abc-123", } json_data = json.dumps(data) response = requests.post(url, data=json_data, headers={ "Content-Type": "application/json", 'Authorization': f'Bearer ' } ) response_text = response.text return json.loads(response_text)['answer'] def cache(input_result): questions = [] anwsers = [] for index in range(len(input_result)): if index % 2 == 0: questions.append(input_result[index]) else: anwsers.append(input_result[index]) pd.DataFrame({'Q': questions, 'A': anwsers}).to_excel('QA_data.xlsx', index=False) folder_path = r'C:\Users\12258\Desktop\聊城电网相关文档\all' files_path = get_files_absolute_paths(folder_path) result = [] for file_path in files_path: time.sleep(1) file_content = read_txt_file(file_path) llm_response = get_llm_response(file_content) print(type(llm_response),llm_response) for i in llm_response[1:-1].split(','): result.append(i.strip('"')) # print(result) cache(result) API版代码 from llm_ask.ask_Tongyi import * import os # 获取指定目录下所有文件的绝对路径列表 def get_files_in_directory(directory): result = [] # 遍历指定目录下的所有文件和文件夹 for root, dirs, files in os.walk(directory): # 只处理文件，不处理文件夹 for file in files: # 获取文件的完整路径 file_path = os.path.join(root, file) # 打印文件路径或进行其他操作 # print(file_path) result.append(file_path) return result # 由json文件绝对路径读取单个json文件获取其文件名称和标题 def read_single_json(json_file_path:str)->str: title = json_file_path.split('\\')[-1][:-5] with open(json_file_path, 'r', encoding='utf-8') as file: data = str(json.load(file)) return title,data # 以追加方式向指定的txt文件存入内容 def wirte_txt(txt_file_path,data): with open(txt_file_path,'a',encoding='utf-8') as f: f.write(data) f.write('\n\n') # 对llm返回的结果进行处理 def adjust_result(llm_result): llm_result_text = llm_result['text'] return llm_result_text prompt_modules = [ ''' 你是一个问答数据生成专家,可以就上述json数据生成问答数据。 本次提问关注json格式中的 {ziduan} 字段,该字段是指{ziduan_describe}。 生成的问题和回答应口语形式描述出来。 每条问题要全面清晰，注明是对{zhengce}的{ziduan}进行提问。 最后强调，以不同的角度生成3条问答数据以上。 问题及答案符合口语习惯，采取如下格式： 根据{zhengce}请回答问题1：回答1\n\n根据{zhengce}请回答问题2：回答2\\n\\n...]。 ''' ] ziduans = [ '办理结果名称','承办机构','法定办结时限','受理时间、地点','咨询渠道','投诉渠道' ] ziduan_describes = [ '所要办理的文件','办理该事项的政府机关部门名称', '办理该文件所需的最大时限','办理该文件时，机关部门的工作地点和工作时间段', '该事项相关的咨询渠道','该事项相关的投诉渠道' ] ziduan_indexs = range(len(ziduans)) # exe ask_tyqw = TongyiAPI() directory = r'C:\Users\12258\Desktop\zwllm_data_v240320\approval_data_300' # 目录路径 file_paths = get_files_in_directory(directory) for file_path in file_paths[5:]: title, json_data = read_single_json(file_path) prompt_data = json_data for index in ziduan_indexs: prompt_module = prompt_modules[0].format(zhengce=title,ziduan=ziduans[index],ziduan_describe=ziduan_describes[index]) prompt = prompt_data + '\n' + prompt_module llm_result = ask_tyqw.get_one_response_by_prompt(prompt) print(llm_result) llm_adjust_result = adjust_result(llm_result) mid = directory.replace('approval_data_300','approval_data_300_ask_txt')+'\\'+title+'.txt' wirte_txt(mid, llm_adjust_result)

conda虚拟环境安装open-webui 1. 打开cmd，输入 `conda create -n Webui python=3.11 等待虚拟环境创建完成~~ 2. 环境创建完成后，进入： `conda activate Webui 3. 进入环境后安装open-webui： `pip install open-webui 4. open-webui包安装完成，启动 `open-webui serve

一、管理conda： 1. 检查conda版本 `conda –version 2. 获取版本号 conda --version conda -V 3. 列出所有的环境 `conda env list # conda list命令用于查看conda下的包，而conda env list命令可以用来查看conda创建的所有虚拟环境。 4. 查看环境管理的全部命令帮助 `conda env -h 5. conda升级 conda update conda # 升级conda conda update anaconda #升级anaconda前要先升级conda `conda update –all # 升级所有包 我们可以在命令行中或者anaconda prompt中执行命令进行操作。 6. conda升级后释放空间 在升级完成之后，我们可以使用命令来清理一些无用的包以释放一些空间： conda clean -p # 删除没有用的包 conda clean -t # 删除保存下来的压缩文件（.tar） ———————————————— 二、管理环境 1. 创建环境 `conda create -n env-name [list of package] # -n env-name是设置新建环境的名字，list of package是可选项，选择要为该环境安装的包。如果我们没有指定安装python的版本，conda会安装我们最初安装conda时所装的那个版本的python。若创建特定python版本的包环境，需键入conda create -n env-name python=3.6 [[openWebui 安装]] ...

管理conda： 检查conda版本 `conda –version 获取版本号 `conda –version或 conda -V 列出所有的环境 `conda env list conda list命令用于查看conda下的包，而conda env list命令可以用来查看conda创建的所有虚拟环境。 查看环境管理的全部命令帮助 `conda env -h conda升级 我们可以在命令行中或者anaconda prompt中执行命令进行操作。 ` conda update conda #升级conda `conda update anaconda #升级anaconda前要先升级conda `conda update –all //升级所有包 conda升级后释放空间 在升级完成之后，我们可以使用命令来清理一些无用的包以释放一些空间： conda clean -p #删除没有用的包 conda clean -t #删除保存下来的压缩文件（.tar） 管理环境 创建环境 `conda create -n env-name [list of package]。-n env-name是设置新建环境的名字，list of package是可选项，选择要为该环境安装的包。 如果我们没有指定安装python的版本，conda会安装我们最初安装conda时所装的那个版本的python。 若创建特定python版本的包环境，需键入conda create -n env-name python=3.6 激活环境 Linux，OS X: `source activate env-name ...

超详细提示词教程｜玩转Wan2.2 想让 Wan2.2 生成你心中的画面？ 关键在提示词怎么写。 提示词公式 提示词用来描述视频中所包含的内容和运动过程，它是控制视频画面内容与效果的关键因素。提示词描述越完整、精确和丰富，生成视频的品质越高，且越贴近期望生成的内容。为了帮助你更快上手，我们针对不同的使用需求提供了两种典型公式： 基础公式 适用于初次尝试AI视频的新用户，及将AI视频作为灵感启发的用户，简单自由的提示词可生成更具有想象力的视频。 提示词 = 主体+ 场景+ 运动 主体：主体是视频内容的主要表现对象，可以是人、动物、植物、物品或非物理真实存在的想象物体。 场景场景是主体所处的环境，包含背景、前景，可以是物理存在的真实空间或想象出来的虚构场景。 运动运动包含主体的具体运动和非主体的运动状态，可以是静止、小幅度运动、大幅度运动、局部运动或整体动势。 进阶公式 适用于有一定AI视频使用经验的用户，在基础公式之上添加更丰富细致的描述可有效提升视频质感、生动性与故事性。 提示词 = 主体（主体描述）+ 场景（场景描述）+ 运动（运动描述）+ 美学控制 + 风格化 主体描述：主体描述是对主体外观特征细节的描述，可通过形容词或短句列举，例如“一位身着少数民族服饰的黑发苗族少女”、“一位来自异世界的飞天仙子，身着破旧却华丽的服饰，背后展开一对由废墟碎片构成的奇异翅膀”。 场景描述：场景描述是对主体所处环境特征细节的描述，可通过形容词或短句列举。 运动描述：运动描述是对运动特征细节的描述，包含运动的幅度、速率和运动作用的效果，例如“猛烈地摇摆”、“缓慢地移动”、“打碎了玻璃”。 美学控制：包含光源、光线环境、景别、视角、镜头、运镜等，常见镜头语言详见下方提示词词典。 风格化：风格化是对画面风格语言的描述，例如“赛博朋克”、“勾线插画”、“废土风格”，常见风格化详见下方提示词词典。 图生视频公式 图像已经确定了主体、场景与风格，因此提示词主要描述动态过程及运镜需求。 提示词 = 运动+ 运镜 运动描述：结合图像中的元素（如人物、动物），描述其相动态的过程，如奔跑、打招呼，可以通过形容词来控制动态的程度与速度，如“快速地”、“缓慢地”。 运镜：若对镜头运动有特定要求，通过提示词如“镜头推进”、“镜头左移”控制，若希望镜头不要发生变化，可以通过“固定镜头”来强调。 影视级美学控制 通过撰写不同维度的提示词，能够提升生成视频在指定维度的可控性与表现力。我们精心准备了常用维度及提示词示例作为参考，同时也欢迎大家挖掘更多使用妙招。 以下视频效果均使用通义万相2.2生成，由于公众号对视频数量及大小有限制，本文GIF皆为压缩版画质。 光源类型 日光 提示词：边缘光，低对比度，中近景，日光，左侧重构图，干净的单人镜头，暖色调，柔光，晴天光，侧光，白天，一个年轻的女孩坐在高草丛生的田野中，两条毛发蓬松的小毛驴站在她身后。女孩大约十一二岁，穿着简单的碎花裙子，头发扎成两条麻花辫，脸上带着纯真的笑容。她双腿交叉坐下，双手轻轻抚弄身旁的野花。小毛驴体型健壮，耳朵竖起，好奇地望着镜头方向。阳光洒在田野上，营造出温暖自然的画面感。 人工光 提示词：边缘光，中近景，人工光，侧光，低饱和度，暖色调，右侧重构图，过肩镜头角度拍摄，镜头聚焦一位穿着蓝白格子衬衫的外国女孩。她有着立体的五官，眼神专注明亮，几缕发丝从整齐的马尾辫中垂下，增添了一丝柔和感。女孩微微侧头，嘴唇微启，似乎在倾听对面的人说话。背景为昏暗虚化的房间，一台带有白色灯罩的复古台灯从画面一侧提供柔和光源，照亮人物轮廓。柜子旁的黑色木门隐约可见，强化了场景的神秘感与层次感。 月光 提示词：月光，一个年轻女子站在一间旧式房间中，背景为斑驳的瓷砖墙与一扇老旧的木门。她拥有一头利落的黑色短发，眉毛细长，蓝色眼眸在微弱的月光下显得格外深邃，神情专注而沉思。她身穿黑色上衣，配以干净的白色衣领，双手自然垂落，身体微微侧向一边，目光凝视着镜头外的某处，嘴角紧绷，透露出一丝压抑的情绪。室内光源来自窗外的月光，光线从一侧斜射入内，在她的面部形成柔和的阴影，强化了画面中的静谧与张力。镜头聚焦于她的神态，营造出一种私密、凝固且充满故事感的画面。 实用光 提示词：实用光，底光，高对比度，夜晚，暖色调，低角度拍摄，中近景，双人镜头。在昏暗的灯光下，一位外国白人女子坐在床边，她穿着一件白色T恤衫，上面印有黑色字母“HUMMER & ELLIS”。她的头发披肩而下，脖子上戴着一条项链。近景仰拍镜头下，她的面前有一盏白色的灯泡照亮了周围的环境。在背景中，可以看到另一位外国白人女子的身影，她穿着黑色的衣服，正在看着前方的女子。 火光 提示词：火光，过肩镜头角度拍摄，一个穿着白色衬衫和棕色背心的男人站在壁炉前，看着镜头右边的一个人。 荧光 提示词：荧光，一个年轻女子站在室内走廊中，背景为蓝色调的金属柜门。女子有着长长的黑发和刘海，穿着格子衬衫，双手垂在身侧，表情由平静逐渐转向轻微焦虑，眼神略带不安地望向镜头一侧。光线来自顶部的线性灯管和侧面的窗户，在她的面部形成柔和的阴影，墙壁与地面呈现出灰蓝色，空间狭长，增强了静谧感。 阴天光 提示词：中焦距，柔光，低对比度，边缘光，低角度拍摄，阴天光，低饱和度，中近景，干净的单人镜头，冷色调，中心构图。镜头仰拍拍摄外国男子在户外的近景，他穿着黑色的衣服和灰色的毛衣，白色的衬衫，戴着黑色的领带，眼睛看着镜头，身体向前移动，后面是棕色的建筑上面有窗户，窗户里面有黄色的灯光，前面有黑色的门，镜头向前移动，镜头的右侧有一个虚化的黑色的物品前后晃动，背景是黑色的。 混合光 提示词：对比度，底光，混合光，短边构图，夜晚，混合色调，近景，低角度拍摄，侧光，冷色调。在昏暗的房间内，一个外国男人站在投影屏幕前。近景平拍镜头下，他穿着一件白色背心，耳朵上戴着银色耳环。他的目光看向远方，脸上带着沉思的表情。随着镜头的右移，可以看到他身后是一片模糊的背景，上面有蓝色和紫色的光线交织在一起，形成了一种神秘而迷人的氛围。这些光线在他的脸上投射出各种颜色，使他的面部轮廓更加鲜明。 晴天光 提示词：日落，暖色调，中景，低饱和度，日光，侧光，晴天光。在一间厨房里，一位外国白人男子正在准备食物。平拍中近景镜头中，他穿着一件白色衬衫和黑色领带，站在一张桌子前，桌子上放着一个蓝色的杯子、一罐糖和其他一些调料瓶。他从罐子中舀出一些糖放入杯子里。虚化的背景是一面装饰有花卉图案墙纸的墙壁，上面挂着一个白色的橱柜，里面装满了各种物品。阳光透过窗户洒进室内。 光线类型 柔光 提示词：日落，柔光，侧光，边缘光，暖色调，低饱和度，中心构图，中近景，平拍镜头，一对外国男女站在一辆黄色出租车旁，呈半身景。男子身穿米色风衣，衣领微微竖起，双手插在口袋中，面带微笑，身体略微前倾。女子头戴绿色贝雷帽，配以同色连衣裙与蕾丝手套，优雅地挽着男子的手臂，身体微微靠向他。背景中隐约可见复古风格的建筑轮廓，两盏绿色路灯散发出温暖的光晕，远处一位警察身穿经典制服笔直站立，增强都市场景的真实感。光线从画面右侧斜射而来，在人物轮廓上形成柔和的边缘光，整体色调偏金黄，营造出自然、温馨的画面氛围。 硬光 提示词：硬光，侧光，中景，低饱和度，高对比度，中焦距，平拍一个外国男人的近景。他穿着一件条纹衬衫，坐在一张木制桌子前，桌子上放着一些文件夹和一台红色电话机。他的手臂交叉放在胸前，头靠在墙上休息。他的眼睛闭着，嘴巴微微张开，正在说话。前景中有一个虚化的人影。背景是一面深色木质墙壁，上面挂着一幅画作和其他装饰品。整个场景给人一种安静、沉思的感觉。 高对比度 ...

conda虚拟环境安装open-webui 1、打开cmd，输入： conda create -n Webui python=3.11 等待虚拟环境创建完成~~ 2、环境创建完成后，进入： conda activate Webui 3、进入环境后安装open-webui： pip install open-webui 4、open-webui包安装完成，启动 open-webui serve

把pip镜像源换成默认源 pip3 config set global.index-url https://mirrors.aliyun.com/pypi/simple pip config unset global.index-url pip换成国内镜像源 pip config set global.index-url 豆瓣 https://pypi.doubanio.com/simple/ 网易 https://mirrors.163.com/pypi/simple/ 阿里云 https://mirrors.aliyun.com/pypi/simple/ 腾讯云 https://mirrors.cloud.tencent.com/pypi/simple 清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/ conda增加国内源 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/ conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/bioconda/ conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/conda-forge/ conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/] 可以添加一下试试看. conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/r/ 目前国内提供conda镜像的大学 清华大学: https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/ 北京外国语大学 https://mirrors.bfsu.edu.cn/help/anaconda/ 南京邮电大学 https://mirrors.njupt.edu.cn/ 南京大学 http://mirrors.nju.edu.cn/ 重庆邮电大学 http://mirror.cqupt.edu.cn/ 上海交通大学 https://mirror.sjtu.edu.cn/ 哈尔滨工业大学 http://mirrors.hit.edu.cn/#/home (目测哈工大的镜像同步的是最勤最新的) conda config –get channels ...