完善星火脚本

.env.example

@@ -0,0 +1,2 @@
+BASE_URL=
+API_KEY=

.gitignore

@@ -4,4 +4,5 @@ lib
 share
 pyvenv.cfg
 lib64
-execute.log
+execute.log
+.env

xinghuo.py

@@ -0,0 +1,116 @@
+"""
+星火认知大模型调用
+文档地址： https://www.xfyun.cn/doc/spark/HTTP%E8%B0%83%E7%94%A8%E6%96%87%E6%A1%A3.html
+各版本区别：
+    Spark 4.0 Ultra
+    全面对标GPT 4-Turbo
+    最强大的大语言模型版本，文本生成、语言理解、知识问答、逻辑推理、数学能力等方面实现超越GPT 4-Turbo，优化联网搜索链路，提供更精准回答。
+
+    Spark3.5 Max
+    整体接近GPT 4-Turbo
+    旗舰级大语言模型，具有千亿级参数，核心能力全面升级，具备更强的数学、中文、代码和多模态能力。适用于数理计算、逻辑推理等对效果有更高要求的业务场景。
+    Spark Pro
+    支持128K长文本版本
+    延时更低
+    专业级大语言模型，具有百亿级参数，在医疗、教育和代码等场景进行了专项优化，搜索场景延时更低。适用于文本、智能问答等对性能和响应速度有更高要求的业务场景。
+    Spark Lite
+    能力全面
+    灵活经济
+    轻量级大语言模型，具有更高的响应速度，适用于低算力推理与模型精调等定制化场景，可满足企业产品快速验证的需求。
+"""
+from openai import OpenAI
+from rich.console import Console
+from rich.markdown import Markdown
+from rich.table import Table
+from rich.prompt import Prompt
+from rich.panel import Panel
+from dotenv import load_dotenv
+import os
+
+try:
+    console = Console()
+    load_dotenv()
+    question = Prompt.ask("请输入问题？")
+    if not question:
+        console.log("问题不能为空")
+        exit(0)
+    model = Prompt.ask("""
+使用哪个模型（general指向Lite版本；generalv2指向V2.0版本；generalv3指向Pro版本；generalv3.5指向Max版本；4.0Ultra指向4.0 Ultra版本）
+                       """, choices=['general', 'generalv3', 'generalv3.5', '4.0Ultra'],
+                       default="generalv3.5")
+
+    table = Table(title="消耗明细")
+    table.add_column("会话id", justify="center", style="cyan", no_wrap=True)
+    table.add_column("code", justify="center", style="cyan")
+    table.add_column("描述信息", justify="center", style="cyan")
+    table.add_column("历史消耗token量", justify="center", style="magenta")
+    table.add_column("回答消耗token量", justify="center", style="yellow")
+    table.add_column("总消耗token量", justify="center", style="red")
+
+    message = []
+
+    client = OpenAI(
+        base_url=os.getenv("BASE_URL"),
+        api_key=os.getenv("API_KEY"),
+    )
+
+    while question:
+        with console.status("[bold green]请求中...") as status:
+            console.log('请求履历：')
+            message.append({
+                "role": "user",
+                "content": question
+            })
+            console.log(message)
+            console.log('请求发送中...')
+            response = client.chat.completions.create(
+                model=model,
+                messages=message
+                , stream=True
+            )
+
+            if response.response.status_code != 200:
+                raise Exception('Request failed')
+
+            data = []
+            content = ''
+            total_repeat = ''
+            console.log('请求完成。 :smiley:')
+            console.log('开始接收数据...')
+            for chunk in response:
+                if chunk.code != 0:
+                    raise Exception(chunk.message)
+                content += chunk.choices[0].delta.content
+                total_repeat += content
+                data.append(chunk)
+                while '\n' in content:
+                    part, content = content.split('\n', 1)
+                    console.log(Markdown(part))
+                
+            if content:
+                console.log(Markdown(content))
+            
+            res = data[-1]
+            table.add_row(
+                res.id,
+                str(res.code),
+                str(res.message),
+                str(res.usage.prompt_tokens),
+                str(res.usage.completion_tokens),
+                str(res.usage.total_tokens),
+            )
+
+            message.append({
+                "role": "assistant",
+                "content": total_repeat
+            })
+            console.log('模型回答结束。 :smiley:')
+        question = Prompt.ask("如有问题请继续提问...(按回车结束)")
+except KeyboardInterrupt as e:
+    console.log("用户主动退出")
+    exit(0)
+except Exception as e:
+    console.log(e,log_locals=True)
+    exit(0)
+
+console.print(table)