# 访问地址格式：http://${IP}:${PORT}
访问地址：http://192.168.20.4:5287
账号：root
密钥：xxxx

pip install --upgrade appbuilder-sdk
pip install qianfan

import os
import appbuilder
os.environ["APPBUILDER_TOKEN"] = "bce-v3/ALTAK-********************************"    # appbuilder_token

knowledge = appbuilder.KnowledgeBase()
resp = knowledge.create_knowledge_base(
        name="vdb_knowledge",
        description="vdb_knowledge",
        type="vdb",
        clusterId='vdb-xx-xxxxxxx',   # vdb实例ID，例如：vdb-bd-xxxxx
        esUserName='root',            # vdb账号
        esPassword='**********',      # vdb账号对应的password
        location='bd'
)
print("新建的知识库ID: ", resp.id)
print("新建的知识库名称: ", resp.name)

my_knowledge_base_id = resp.id

新建的知识库ID:  2d9f9ef0-****-****-****-************
新建的知识库名称:  vdb_knowledge

import os
import appbuilder
from appbuilder.core.console.knowledge_base import data_class
os.environ["APPBUILDER_TOKEN"] = "bce-v3/ALTAK-********************************"    # appbuilder_token

my_knowledge_base_id = "2d9f9ef0-****-****-****-************"                       # 知识库ID
my_knowledge = appbuilder.KnowledgeBase(my_knowledge_base_id)
print("知识库ID: ", my_knowledge.knowledge_id)

upload_document_resp = my_knowledge.upload_documents(
    content_format="rawText",                                                       # rawText:文本文档数据
    file_path="./DeepSeek从入门到精通.pdf",
    processOption=data_class.DocumentProcessOption(
        template='custom',
        parser=appbuilder.DocumentChoices(
            choices=['layoutAnalysis']
        ),
        chunker=appbuilder.DocumentChunker(
            choices=["separator"],
            separator=appbuilder.DocumentSeparator(
                separators=["。", "，", "！", "？"],
                targetLength=300,
                overlapRate=0.25,
            ),
            prependInfo=["title", "filename"],
        ),
        knowledgeAugmentation=appbuilder.DocumentChoices(
            choices=["faq"]
        )
    )
)

document_id = upload_document_resp.documentId
print("文档ID: ", document_id)

文档ID:  dd1a5b81-****-****-****-************

import os
import appbuilder
os.environ["APPBUILDER_TOKEN"] = "bce-v3/ALTAK-********************************"    # appbuilder_token

knowledge_base_ID = "2d9f9ef0-****-****-****-************"                       # 知识库ID
document_ID = "dc75bbd3-****-****-****-************"                             # 文档ID
my_knowledge = appbuilder.KnowledgeBase(my_knowledge_base_id)

doc_is_ready = False
doc_list = my_knowledge.get_all_documents(my_knowledge_base_id)
for doc in doc_list:
    if doc.id == document_id:
        doc_is_ready = (doc.word_count != 0 and doc.enabled)
        break
doc_status = "可用" if doc_is_ready else "处理中"
print(f'文档可用状态：{doc_status}')

文档可用状态：处理中

import os
import appbuilder
from appbuilder.core.console.knowledge_base import data_class
from qianfan import Qianfan

os.environ["QIANFAN_ACCESS_KEY"] = "****************************"                   # modelbuilder_ak                   
os.environ["QIANFAN_SECRET_KEY"] = "****************************"                   # modelbuilder_sk 

os.environ["APPBUILDER_TOKEN"] = "bce-v3/ALTAK-********************************"    # appbuilder_token

PROMPT_TEMPLATE = """
参考以下信息回答我的问题：
{context}
---
我的问题或指令：
{question}
---
请根据上述参考信息回答我的问题或回复我的指令。前面的参考信息可能有用，也可能没用，你需要从我给出的参考信息中选出与我的问题最相关的那些，来为你的回答提供依据。回答一定要忠于原文，简洁但不丢信息，不要胡乱编造。我的问题或指令是什么语种，你就用什么语种回复,
你的回复：
"""

knowledge_base_ID = "2d9f9ef0-****-****-****-************"                       # 知识库ID
document_ID = "dc75bbd3-****-****-****-************"                             # 文档ID

knowledge = appbuilder.KnowledgeBase()

def answer(question):
    res = knowledge.query_knowledge_base(
        query=question,
        type=data_class.QueryType.HYBRID,
        knowledgebase_ids=[knowledge_base_ID],
        top=2,
        skip=0,
        metadata_filters=data_class.MetadataFilters(
            filters=[
            ], 
            condition="or"
        ),
        pipeline_config=data_class.QueryPipelineConfig(
            pipeline=[
                data_class.VectorDBRetrieveConfig(
                    name="step1",
                    pre_ranking=data_class.PreRankingConfig(
                        bm25_b=0.75, 
                        bm25_weight=0.25, 
                        vec_weight=0.75,
                        bm25_k1=1.5,
                        bm25_max_score=50,
                    )
                ),
                data_class.RankingConfig(
                    name="step2",
                    type="ranking",
                    inputs=["step1"],
                    model_name="ranker-v1",
                    top=20,
                ),
                data_class.SmallToBigConfig(
                    name="step3",
                    type="small_to_big"
                )
            ],
        ),
    )

    context = ""
    for id, chunk in enumerate(res.chunks):
        context = context + f'{chunk.content}' + "\n"

    # 使用deepseek-r1模型来总结从知识库检索中的结果
    client = Qianfan()

    completion = client.chat.completions.create(
        model="deepseek-r1", # 指定deepseek-r1模型
        messages=[
            {'role': 'user', 'content': PROMPT_TEMPLATE.format(context=context, question=question)},
        ]   
    )

    return completion.choices[0].message.content

if __name__ == "__main__":
    while True:
        question = input("输入你的问题（输入 exit 退出对话）：")
        if question.lower() == 'exit':
            break
        ret = answer(question)
        print(f'回答：{ret} \n')

输入你的问题（输入 exit 退出对话）：deepseek 能做什么
回答：

根据参考信息，DeepSeek能够：
- 处理复杂任务且支持免费商用
- 在数学、代码、自然语言推理等任务上展现优秀性能
- 通过强化学习技术提升模型推理能力，性能可比肩OpenAI-o1正式版

其开源推理模型DeepSeek-R1主要应用于通用人工智能领域的大模型研发与应用。 

输入你的问题（输入 exit 退出对话）：该如何使用合适的提示语
回答：

根据参考信息，使用合适提示语的步骤如下：

1. **个人化体验设计**
- 要求描述具体经历细节（如[个人经历]）
- 需包含情感变化过程
- 通过真实故事增强温度感

2. **情感共鸣构建**
- 使用温暖的情感化语言
- 采用故事化表达手法
- 重点突出引发共鸣的关键点

3. **互动引导设计**
- 在结尾添加号召性语句
- 明确请求互动形式（点赞/评论/分享）
- 使用"鼓励"等引导性动词增强传播性

4. **提示词工程应用**
- 先设定明确生成目标（如获取信息/生成文本）
- 给AI分配特定身份角色
- 将复杂任务分步拆解说明

需注意：所有提示语需包含具体场景上下文，情感表达要贯穿内容始终，最终需落脚到明确的互动引导诉求。 

输入你的问题（输入 exit 退出对话）：文案写作的要注意哪些提示语
回答：

根据参考信息，文案写作需重点注意以下提示语设计要点：

1. **信息传递框架**  
   - 确保信息层次清晰（需明确分层指令）  
   - 表达简洁精准（限定关键词或字数）  
   - 结构逻辑严密（说明信息点间的关联）  
   - 强化受众针对性（包含受众特征描述）  
   - 突出记忆点（重复或变换表达核心信息）

2. **差异化设计**  
   - 塑造真实感（避免过度修饰）  
   - 体现专业性（加入数据/用户反馈）  
   - 保持种草自然度（文案与图片配合流畅）  
   - 增加互动引导（鼓励评论/点赞）

3. **文案结构要求**  
   - 开篇吸引力（直接点明亮点）  
   - 个人经验铺垫（增强亲和力）  
   - 方法说明与效果总结（避免空洞描述）  
   - 购买建议实际化（避免强硬推销）

4. **标题设计**  
   - 包含关键词、数据/方法、价值承诺  
   - 语气亲和专业（禁用过度营销词）  
   - 创新性（分析竞品结构/用词差异）

（以上要点均来自表格中关于信息传递特质、差异化要求、文案结构和标题设计的核心规则） 

输入你的问题（输入 exit 退出对话）：