Message模块¶

简介¶

Message是对大语言模型输入输出信息的封装，可以简化大家和大语言模型的交互。

在ERNIE Bot Agent中，主要有如下4类Message：

HumanMessage：用户输入给模型的普通信息，比如聊天的问题。
SystemMessage：用户输入给模型的全局信息，比如角色扮演的指令、输出格式设置的指令。
AIMessage：模型返回的信息，比如聊天的回答、触发Function call的回答。
FunctionMessage：上一轮模型的输出是带有Funciton call的AIMessage，则用户需要首先调用Function，然后将Function的结果输入给大语言模型。

Message模块的详细API接口，请参考文档。

上手使用Message¶

安装¶

大家可以参考官方文档，进行安装ERNIE Bot。

鉴权¶

大家在使用ERNIE Bot Agent之前，需要完成鉴权步骤：

在AI Studio星河社区注册并登录账号
在个人中心的访问令牌页面获取用户凭证Access Token
通过环境变量或者Python代码设置Access Token

In [18]:

Copied!

# %env EB_AGENT_ACCESS_TOKEN=xxxxxxxx

import os

os.environ["EB_AGENT_ACCESS_TOKEN"] = "xxxxxxxx"
# %env EB_AGENT_ACCESS_TOKEN=xxxxxxxx

import os

os.environ["EB_AGENT_ACCESS_TOKEN"] = "xxxxxxxx"

使用Message¶

首先，导入必要的依赖库。

In [19]:

Copied!





import os
import json
import asyncio
import erniebot
from erniebot_agent.chat_models import ERNIEBot
from erniebot_agent.memory import HumanMessage, AIMessage, SystemMessage, FunctionMessage
import os
import json
import asyncio
import erniebot
from erniebot_agent.chat_models import ERNIEBot
from erniebot_agent.memory import HumanMessage, AIMessage, SystemMessage, FunctionMessage

大家在使用ERNIE Bot调用文心一言进行多轮对话时，需要按照规范定义每轮对话的信息（如下），稍显复杂。

In [ ]:

Copied!





erniebot.api_type = "aistudio"
erniebot.access_token = "<access-token-for-aistudio>"
messages = [
    {"role": "user", "content": "我在深圳，周末可以去哪里玩"},
    {"role": "assistant", "content": "深圳有许多著名的景点，以下是三个推荐景点：1. 深圳世界之窗，2. 深圳欢乐谷，3. 深圳东部华侨城。"},
    {"role": "user", "content": "从你推荐的三个景点中，选出最值得去的景点是什么，直接给出景点名字即可"},
]
response = erniebot.ChatCompletion.create(model="ernie-3.5", messages=messages)

print(response.get_result())
erniebot.api_type = "aistudio"
erniebot.access_token = ""
messages = [
    {"role": "user", "content": "我在深圳，周末可以去哪里玩"},
    {"role": "assistant", "content": "深圳有许多著名的景点，以下是三个推荐景点：1. 深圳世界之窗，2. 深圳欢乐谷，3. 深圳东部华侨城。"},
    {"role": "user", "content": "从你推荐的三个景点中，选出最值得去的景点是什么，直接给出景点名字即可"},
]
response = erniebot.ChatCompletion.create(model="ernie-3.5", messages=messages)

print(response.get_result())

如果基于ERNIE Bot Agent调用文心一言，大家使用Message模块，可以较好地简化代码。

In [20]:

Copied!





model = ERNIEBot(model="ernie-3.5")
# 使用Message模块
messages = [
    HumanMessage("我在深圳，周末可以去哪里玩"),
    AIMessage("深圳有许多著名的景点，以下是三个推荐景点：1. 深圳世界之窗，2. 深圳欢乐谷，3. 深圳东部华侨城。"),
    HumanMessage("从你推荐的三个景点中，选出最值得去的景点是什么，直接给出景点名字即可"),
]
ai_message = await model.chat(messages=messages)
print(ai_message.content)
model = ERNIEBot(model="ernie-3.5")
# 使用Message模块
messages = [
    HumanMessage("我在深圳，周末可以去哪里玩"),
    AIMessage("深圳有许多著名的景点，以下是三个推荐景点：1. 深圳世界之窗，2. 深圳欢乐谷，3. 深圳东部华侨城。"),
    HumanMessage("从你推荐的三个景点中，选出最值得去的景点是什么，直接给出景点名字即可"),
]
ai_message = await model.chat(messages=messages)
print(ai_message.content)

最值得去的景点是深圳欢乐谷。

创建各种Message的示例代码如下：

In [21]:

Copied!





human_message = HumanMessage(content="你好，你是谁？")

system_message = SystemMessage(content="你是一名数学老师，使用浅显易懂的方法来回答问题")

result = {"temperature": 25, "unit": "摄氏度"}
function_message = FunctionMessage(
    name="get_current_temperature", content=json.dumps(result, ensure_ascii=False)
)

print(human_message)
print(system_message)
print(function_message)
human_message = HumanMessage(content="你好，你是谁？")

system_message = SystemMessage(content="你是一名数学老师，使用浅显易懂的方法来回答问题")

result = {"temperature": 25, "unit": "摄氏度"}
function_message = FunctionMessage(
    name="get_current_temperature", content=json.dumps(result, ensure_ascii=False)
)

print(human_message)
print(system_message)
print(function_message)

<role: 'user', content: '你好，你是谁？'>
<role: 'system', content: '你是一名数学老师，使用浅显易懂的方法来回答问题', token_count: 23>
<role: 'function', name: 'get_current_temperature', content: '{"temperature": 25, "unit": "摄氏度"}'>

使用SystemMessage的示例代码如下：

In [22]:

Copied!





model = ERNIEBot(model="ernie-3.5")
system_message = SystemMessage(content="你是一名数学老师，尽量使用浅显易懂的方法来解答问题")
messages = [HumanMessage("勾股定理是什么")]
ai_message = await model.chat(messages=messages, system=system_message.content)
print(ai_message.content)
model = ERNIEBot(model="ernie-3.5")
system_message = SystemMessage(content="你是一名数学老师，尽量使用浅显易懂的方法来解答问题")
messages = [HumanMessage("勾股定理是什么")]
ai_message = await model.chat(messages=messages, system=system_message.content)
print(ai_message.content)

勾股定理是一个基本的几何定理，它指出在一个直角三角形中，直角边的平方和等于斜边的平方。换句话说，如果我们知道一个直角三角形的两个直角边的长度，我们就可以使用勾股定理来找出斜边的长度。这个定理在中国古代被称为“勾股定理”，因为在古代，人们把较短的直角边称为“勾”，较长的直角边称为“股”，而斜边则被称为“弦”。这个定理也可以被写作 a² + b² = c² 的形式，其中 a 和 b 是直角三角形的两个直角边，c 是斜边。

勾股定理是人类早期发现并证明的重要数学定理之一，它可以用代数思想解决几何问题，也是数形结合的纽带之一。这个定理有很多种证明方法，据统计，目前已知的证明方法约有500种，是数学定理中证明方法最多的定理之一。在中国，周朝时期的商高提出了“勾三股四弦五”的勾股定理的特例。在西方，最早提出并证明此定理的为公元前6世纪古希腊的毕达哥拉斯学派。

这个定理在数学、物理、工程等多个领域都有应用，并且也有很多重要的实际应用，例如计算直角三角形的角度、求解几何问题、设计建筑结构等等。因此，理解和掌握勾股定理是非常重要的。