第四期书生大模型实战营L0G2000

任务一

完成Leetcode 383, 笔记中提交代码与leetcode提交通过截图

任务二

下面是一段调用书生浦语API实现将非结构化文本转化成结构化json的例子，其中有一个小bug会导致报错。请大家自行通过debug功能定位到报错原因。

from openai import OpenAI
import json
def internlm_gen(prompt,client):
    '''
    LLM生成函数
    Param prompt: prompt string
    Param client: OpenAI client 
    '''
    response = client.chat.completions.create(
        model="internlm2.5-latest",
        messages=[
            {"role": "user", "content": prompt},
      ],
        stream=False
    )
    return response.choices[0].message.content

api_key = ''
client = OpenAI(base_url="https://internlm-chat.intern-ai.org.cn/puyu/api/v1/",api_key=api_key)

content = """
书生浦语InternLM2.5是上海人工智能实验室于2024年7月推出的新一代大语言模型，提供1.8B、7B和20B三种参数版本，以适应不同需求。
该模型在复杂场景下的推理能力得到全面增强，支持1M超长上下文，能自主进行互联网搜索并整合信息。
"""
prompt = f"""
请帮我由以下``内的这段模型介绍文字中提取关于该模型的信息，要求包含模型名字、开发机构、提供参数版本、上下文长度四个内容，以json格式返回。
`{content}`
"""
res = internlm_gen(prompt,client)
res_json = json.loads(res)
print(res_json)

launch.json配置内容：

{
    "version": "0.2.0",
    "configurations": [
        {
            "name": "Python: Current File",
            "type": "debugpy",
            "request": "launch",
            "program": "${file}",
            "console": "integratedTerminal",
            "justMyCode": false
        },
    ]
}

在VSCode中启动调试

可以看到res的值为：'根据提供的模型介绍文字，提取的信息如下：\n\n```json\n{\n "模型名字": "书生浦语InternLM2.5",\n "开发机构": "上海人工智能实验室",\n "提供参数版本": ["1.8B", "7B", "20B"],\n "上下文长度": "1M"\n}\n```'

接下来的步骤会报错：

这是因为返回的res值有根据提供的模型介绍文字等无关内容，并且以代码块格式返回，无法解析为纯json格式

对程序进行适当修改，提示词修改为：

prompt = f"""
请帮我由以下``内的这段模型介绍文字中提取关于该模型的信息，要求包含模型名字、开发机构、提供参数版本、上下文长度四个内容，以标准json格式返回，不要包括无关信息。
`{content}`
"""

并且添加对输出预处理的语句：

clean_response = re.sub(r'```json\n|\n```', '', res)

再次运行：

可以看到这次得到了正确的json返回值

任务三

使用VScode连接开发机后使用pip install -t命令安装一个numpy到开发机/root/myenvs目录下，并成功在一个新建的python文件中引用

执行命令：

pip install -t /root/myenvs numpy

可以看到/root/myenvs目录下存在numpy相关包：

在一个新建的python文件中引用:

import sys
sys.path.append('/root/myenvs')
import numpy as np
data=np.array([[1,2,3,4],[4,5,6,7]])
print(data)

运行结果：