【问卷猩】基于 ERNIE Bot 和 LLM2Json 的问卷生成器

项目背景

众所周知，JSON是目前广泛使用的数据交互格式之一，当大模型能够稳定输出Json格式的数据之后，我们就可以拿输出的数据与前端、数据库、操作系统、物联网终端设备等等实现很多交互的行为动作，从而做出更好玩更有价值的大模型原生应用。

本项目以⚡问卷生成⚡任务为例，演示如何控制ERNIE Bot的格式化输出，并将输出结果与前端交互，实现从Prompts直接生成问卷网页的效果。

难点分析

本项目的难点主要在于多层嵌套数据结构体的控制生成。

• 单层数据结构：
  单层数据结构是类似于{key: value, key: value, …}这样只有一层键值对关系的，相对来说比较简单，生成可控度高，不容易出错。

{
	"address": "北京市朝阳区XXX路XXX号",
	"date": "2023-06-25",
	"email": "zhangsan@example.com",
	"idcode": "110101199003077777",
	"name": "张三",
	"phone": "13800000000",
	"sex": "男"
}

• 多层嵌套数据结构：
  多层嵌套数据是比较复杂的数据结构，如下例子所示，在address的第一层级下，嵌套了第二层级的city、area、road和detail字段，在真实业务场景中，数据结构体往往是多层级嵌套，字段多，嵌套关系也比较复杂，因此该类数据结构体生成的难度比较大，容易出现一些纰漏导致数据解析不正确而报错。

{
	"address": {
		"city": "北京市",
		"area": "朝阳区",
		"road": "XXX路",
		"detail": "XXX号"
	},
	"date": "2023-06-25",
	"email": {
    	"common": "zhangsan@example.com",
        "backup": "zhangsan@example1.com"
    },
	"idcode": "110101199003077777",
	"name": "张三",
	"phone": "13800000000",
	"sex": "男"
}

本项目的问卷生成任务，本质上就是生成一个多层嵌套数据结构体的数据，下面开始给大家演示和解析代码。

开始上手

1. 安装依赖

In [ ]

!pip install erniebot --upgrade
!pip install llm2json

2. 配置ERNIE Bot

⚠ 注意：请配置ERNIE Bot的access_token，否则将无法继续运行。

In [2]

import erniebot

erniebot.api_type = "aistudio"
erniebot.access_token = "xxxxxxxxxxxxxxxxxxx"

def ernieChat(content):
    response = erniebot.ChatCompletion.create(model="ernie-4.0", 
    messages=[{"role": "user", "content": content