使用盘古NLP大模型创建Python编码助手应用
场景描述
该示例演示了如何使用盘古NLP大模型创建Python编码助手执行应用,示例将使用Agent开发平台预置的Python解释器预置插件。
“Python解释器插件”能够执行用户输入的Python代码,并获取结果。此插件为应用提供了强大的计算、数据处理和分析功能,用户只需将其添加到应用中,即可扩展功能。
准备工作
请确保您有预置的NLP大模型,并已完成模型的部署操作,详见《用户指南》“开发盘古NLP大模型 > 部署NLP大模型 > 创建NLP大模型部署任务”。
操作流程
使用盘古NLP大模型创建Python编码应用的流程见表1。
步骤1:创建应用
创建应用的步骤如下:
- 登录ModelArts Studio大模型开发平台,进入所需空间。
- 在左侧导航栏中选择“Agent开发”,将跳转至Agent开发平台。
- 在Agent开发平台,单击左侧导航栏“工作台”按钮,在“应用”页签,单击右上角“创建应用”。
- 输入应用名称,如“Python编码助手”,输入应用描述,单击“确定”,完成应用创建。
图1 创建应用
步骤2:配置Prompt
创建应用后,需要撰写提示词(Prompt),为应用设定人设、能力、核心技能、执行步骤。
应用会根据盘古NLP大模型对提示词的理解,来响应用户问题。因此,一个好的提示词可以让模型更好地理解并执行任务,应用效果与提示词息息相关。
配置Prompt Builder步骤如下:
- 在“Prompt builder”模块,可依据模板填写Prompt,单击“示例”,输入框中将自动填入角色指令模板。
- 示例如图2,您可以依据模板进行填写。
- 填写后可通过大模型进行优化,单击“智能优化”,在 “Prompt优化”窗口中单击“确定”。
步骤3:添加预置插件
应用支持添加插件技能,可添加“预置插件”和“个人插件”。添加插件可以为应用配备更多技能,建议插件数量不超过5个。
本节示例将指导您添加名为python_interpreter的“预置插件”。
添加插件的步骤如下:
- 在“技能 > 插件”模块,单击“添加”。
- 在“添加插件”窗口,选择预置插件python_interpreter,单击
进行添加,再单击“确定”。
图3 添加python_interpreter插件 - 添加插件后,可在“技能 > 插件”中查看当前已添加的插件。
图4 已添加插件
步骤4:配置对话体验
应用支持配置对话体验功能,该功能可以提升用户与应用之间的互动质量和个性化体验,包括开场白、推荐问题。
- 开场白:开场白是用户与应用进行首次交互时,应用主动向用户展示的一段内容。
- 推荐问题:推荐问题是用户首次与应用互动时,应用主动展示的一些问题或话题建议。
配置对话体验的步骤如下:
步骤5:调试应用
创建应用后,平台支持对应用执行过程的进行预览与调试。
调试应用的步骤如下:
- 在页面右上角单击
,参考图5配置大模型参数。
- 在“预览调试”的左下角,选择开启“代码解释器”。
- 在“预览调试”的下方文本框中输入对话,例如“请编写输出10以内的素数的Python代码”,应用将根据对话生成相应的回答。
图6 预览调试结果