百度千帆AI大模型的认识首先大模型是什么? “大模型”（Foundation Model）是指基于海量数据训练出来的通用

首先大模型是什么?

“大模型”（Foundation Model）是指基于海量数据训练出来的通用人工智能模型。它们是拥有庞大的参数规模，通常达到百亿、千亿级别，具备强大的泛化能力，能够适应多种任务，并支持微调以满足特定应用需求。

一句话

百度千帆AI大模型平台是企业级人工智能解决方案，其核心定位是"AI生产的基础设施"。

百度千帆AI大模型

结合分析流程

Ai大模型3.

百度智能云

注册地址：qianfan.cloud.baidu.com/ 注册成功后

大模型API说明

messages	List[dict]	是	对话信息，`messages": [ {"role": "user","content": "你好"}]`message中的content总长度和system字段总内容不能超过20000个字符，且不能超过5120 tokens
model	string	是	模型名称，用于指定平台支持预置服务的模型，说明：该字段为固定值ERNIE-4.0-8K-Preview（必须开通付费）
temperature	float	否	大模型的采样参数，（1）较高的数值会使输出更加随机，而较低的数值会使其更加集中和确定（2）默认0.8，范围 (0, 1.0]，不能为0
max_output_tokens	int	否	指定模型最大输出token数，说明：（1）如果设置此参数，范围[2, 2048]（2）如果不设置此参数，最大输出token数为1024
response_format	string	否	指定响应内容的格式，说明：（1）可选值：· json_object：以json格式返回，可能出现不满足效果情况· text：以文本格式返回（2）如果不填写参数response_format值，默认为text

java怎样集成ai大模型

官网

SDK安装及使用 - ModelBuilder

1.引入依赖

<dependency>
    <groupId>com.baidubce</groupId>
    <artifactId>qianfan</artifactId>
    <version>0.1.1</version>
</dependency>

然后2. 参考官方示例（cloud.baidu.com/doc/WENXINW…

选择所需的模型如下

package com.zzyl.test;

import com.baidubce.qianfan.Qianfan;
import com.baidubce.qianfan.core.auth.Auth;
import com.baidubce.qianfan.model.chat.ChatResponse;

public class AIModelTest {

    private static final String prompt = "你能帮我分析一份完整的体检报告吗？";

    public static void main(String[] args) {
        /**
* 第一个参数：认证类型，固定选择 Auth.TYPE_OAUTH
* 第二个参数：accessKeyId，从百度云控制台创建的应用里可以找到
* 第三个参数：accessKeySecret，从百度云控制台创建的应用里可以找到
*/
Qianfan qianfan = new Qianfan(Auth.TYPE_OAUTH, "xEO9h4cswlghfdfdUiYpkNt", "T68lkk7XuyfgfdgfdWtCQcFCVkd2HnZuKH");
        ChatResponse response = qianfan.chatCompletion()
                .model("ERNIE-4.0-8K-Preview") // 模型名称，要选择自己开通付费的模型
                .addMessage("user", prompt) //(必填) 聊天内容，可以设置多个，每个消息包含role（角色，user表示用户，assistant表示模型），content（消息内容）
//                .temperature(0.7) // 采样参数，取值范围(0,1]
//                .maxOutputTokens(2000) // 模型输出最大长度，取值范围[2, 2048]
//                .responseFormat("json_object")  // 模型输出格式，取值范围：text（文本）、json_object（JSON对象）
                  .execute();
        String result = response.getResult();
        System.out.println(result);
    }
}

设计提示词 Prompt的构成部分：

角色：给 AI 定义一个最匹配任务的角色，比如：「你是一位软件工程师」「你是一位小学老师」
指示：对任务进行描述
上下文：给出与任务相关的其它背景信息（尤其在多轮交互中）
例子：必要时给出举例，[实践证明例子对输出正确性有帮助]
输入：任务的输入信息；在提示词中明确的标识出输入
输出：输出的格式描述，以便后继模块自动解析模型的输出结果，比如（JSON、Java）

- 例子

请以一个专业医生的视角来分析这份体检报告，报告中包含了一些异常数据，我需要您对这些数据进行解读，并给出相应的健康建议。体检内容如下：

内容略....

要求： 1. 提取体检报告中的“总检日期”；

通过临床医学、疾病风险评估模型和数据智能分析，给该用户的风险等级和健康指数给出结果。风险等级分为：健康、提示、风险、危险、严重危险。健康指数范围为0至100分；
根据用户身体各项指标数据，详细说明该用户各项风险等级的占比是多少，最多保留两位小数。结论格式：该用户健康占比20.00%，提示占比20.00%，风险占比20%，危险占比20%，严重危险占比20%；
对于体检报告中的异常数据，请列出（异常数据的结论、体检项目名称、检查结果、参考值、单位、异常解读、建议）这7字段。解读异常数据，解决这些数据可能代表的健康问题或风险。分析可能的原因，包括但不限于生活习惯、饮食习惯、遗传因素等。基于这些异常数据和可能的原因，请给出具体的健康建议，包括饮食调整、运动建议、生活方式改变以及是否需要进一步检查或治疗等。结论格式：异常数据的结论：肥胖，体检项目名称：体重指数BMI，检查结果：29.2，参考值>24，单位：-。异常解读：体重超标包括超重与肥胖。体重指数（BMI）=体重（kg）/身⾼（m）的平⽅，BMI≥24为超重，BMI≥28为肥胖；男性腰围≥90cm和⼥性腰围≥85cm为腹型肥胖。体重超标是⼀种由多因素（如遗传、进⻝油脂较多、运动少、疾病等）引起的慢性代谢性疾病，尤其是肥胖，已经被世界卫⽣组织列为导致疾病负担的⼗⼤危险因素之⼀。AI建议：采取综合措施预防和控制体重，积极改变⽣活⽅式，宜低脂、低糖、⾼纤维素膳⻝，多⻝果蔬及菌藻类⻝物，增加有氧运动。若有相关疾病（如⾎脂异常、⾼⾎压、糖尿病等）应积极治疗。 5. 根据这个体检报告的内容，分别给人体的8大系统打分，每项满分为100分，8大系统分别为：呼吸系统、消化系统、内分泌系统、免疫系统、循环系统、泌尿系统、运动系统、感官系统 6. 给体检报告做一个总结，总结格式：体检报告中尿蛋⽩、癌胚抗原、⾎沉、空腹⾎糖、总胆固醇、⽢油三酯、低密度脂蛋⽩胆固醇、⾎清载脂蛋⽩B、动脉硬化指数、⽩细胞、平均红细胞体积、平均⾎红蛋⽩共12项指标提示异常，尿液常规共1项指标处于临界值，⾎脂、⾎液常规、尿液常规、糖类抗原、⾎清酶类等共43项指标提示正常，综合这些临床指标和数据分析：肾脏、肝胆、⼼脑⾎管存在隐患，其中⼼脑⾎管有“⾼危”⻛险；肾脏部位有“中危”⻛险；肝胆部位有“低危”⻛险。输出要求：最后，将以上结果输出为JSON格式，不要包含其他的文字说明，所有的返回结果都是json，详细格式如下：

{ "totalCheckDate": "YYYY-MM-DD", "healthAssessment": 
{ "riskLevel":
"healthy/caution/risk/danger/severeDanger", "healthIndex": XX.XX }
, "riskDistribution": 
{ "healthy": XX.XX, 
"caution": XX.XX, 
"risk": XX.XX, 
"danger": XX.XX,
"severeDanger": XX.XX }, 
"abnormalData": [
{ "conclusion": "异常数据的结论",
"examinationItem": "体检项目名称",
"result": "检查结果", 
"referenceValue": "参考值", "unit": "单位", 
"interpret":"对于异常的结论进一步详细的说明", 
"advice":"针对于这一项的异常，给出一些健康的建议" }
],
"systemScore": {
"breathingSystem": XX, 
"digestiveSystem": XX, 
"endocrineSystem": XX, 
"immuneSystem": XX, 
"circulatorySystem": XX, 
"urinarySystem": XX, 
"motionSystem": XX, "senseSystem": XX 
}, 
"summarize": "体检报告的总结" }

2. #### 抽取大模型调用工具

由于上述逻辑中，我们需要使用千帆大模型来分析体检报告，所以，我们提前来准备一下代码的封装

一些可变的参数，在application.yml文件中定义，在application.yml文件中定义内容，如下：
可以在配置文件中配置

# 百度千帆大模型配置
baidu:
 accessKey: xEO9h4csw9zWlUiYpkNt（换成你自己的哦）
 secretKey: T67Xuyx9JoCQcFCVkd2HnZuKH（换成你自己的哦）
 qianfanModel: ERNIE-4.0-8K-Preview

定义properties类来方便读取配置

package com.zzyl.common.ai;

import lombok.Data;
import org.springframework.boot.context.properties.ConfigurationProperties;
import org.springframework.context.annotation.Configuration;

@Data
@Configuration
@ConfigurationProperties(prefix = "baidu")
public class BaiduAIProperties {

    private String accessKey;
    private String secretKey;
    private String qianfanModel;

}

参考之前集成千帆大模型的方式，在项目模块下新增一个类选自己想要的模型

package com.zzyl.common.ai;

import com.baidubce.qianfan.Qianfan;
import com.baidubce.qianfan.core.auth.Auth;
import com.baidubce.qianfan.model.chat.ChatResponse;
import lombok.extern.slf4j.Slf4j;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Component;

@Component
@Slf4j
public class AIModelInvoker {

    @Autowired
    private BaiduAIProperties baiduAIProperties;

    public String qianfanInvoker(String prompt) {
        System.out.println(prompt);
        Qianfan qianfan = new Qianfan(Auth.TYPE_OAUTH, baiduAIProperties.getAccessKey(), baiduAIProperties.getSecretKey());
        ChatResponse response = qianfan.chatCompletion()
                .model(baiduAIProperties.getQianfanModel())
                .addMessage("user", prompt)
                .temperature(0.7)
                .maxOutputTokens(2000)
                .responseFormat("json_object")
                .execute();
        String result = response.getResult();

        return result;
    }

}

百度千帆AI大模型的认识

百度千帆AI大模型

百度智能云

大模型API说明

1.引入依赖

- 例子