Отправить запрос в промт-режиме
Чтобы сгенерировать текст в промт-режиме, отправьте запрос к модели с помощью метода completion.
Перед началом работы
Получите данные для аутентификации в API, как описано в разделе Аутентификация в API Yandex Foundation Models.
Запрос к модели через REST API
Чтобы воспользоваться примерами, установите cURL
Пример ниже разработан для выполнения в операционных системах MacOS и Linux. Чтобы выполнить его в системе Windows, ознакомьтесь с особенностями работы с Bash в Microsoft Windows.
-
Создайте файл с телом запроса (например,
body.json
):{ "modelUri": "gpt://<идентификатор_каталога>/yandexgpt-lite", "completionOptions": { "stream": false, "temperature": 0.1, "maxTokens": "1000" }, "messages": [ { "role": "system", "text": "Переведи текст" }, { "role": "user", "text": "To be, or not to be: that is the question." } ] }
Где:
-
modelUri
— идентификатор модели, которая будет использоваться для генерации ответа. Параметр содержит идентификатор каталога Yandex Cloud или идентификатор дообученной в DataSphere модели. -
completionOptions
— параметры конфигурации запроса:stream
— включает потоковую передачу частично сгенерированного текста. Принимает значенияtrue
илиfalse
.temperature
— чем выше значение этого параметра, тем более креативными и случайными будут ответы модели. Принимает значения от0
(включительно) до1
(включительно). Значение по умолчанию:0.3
.maxTokens
— устанавливает ограничение на выход модели в токенах. Максимальное число токенов генерации зависит от модели. Подробнее см. в разделе Квоты и лимиты в Yandex Foundation Models.
-
messages
— список сообщений, которые задают контекст для модели:-
role
— роль отправителя сообщения:user
— предназначена для отправки пользовательских сообщений к модели.system
— позволяет задать контекст запроса и определить поведение модели.assistant
— используется для ответов, которые генерирует модель. При работе в режиме чата ответы модели, помеченные рольюassistant
, включаются в состав сообщения для сохранения контекста беседы. Не передавайте сообщения пользователя с этой ролью.
-
text
— текстовое содержимое сообщения.
-
-
-
Отправьте запрос к модели, выполнив команду:
export FOLDER_ID=<идентификатор_каталога> export IAM_TOKEN=<IAM-токен> curl \ --request POST \ --header "Content-Type: application/json" \ --header "Authorization: Bearer ${IAM_TOKEN}" \ --header "x-folder-id: ${FOLDER_ID}" \ --data "@<путь_до_файла_json>" \ "https://llm.api.cloud.yandex.net/foundationModels/v1/completion"
Где:
FOLDER_ID
— идентификатор каталога, на который у вашего аккаунта есть рольai.languageModels.user
или выше.IAM_TOKEN
— IAM-токен, полученный перед началом работы.
Результат:
{ "result": { "alternatives": [ { "message": { "role": "assistant", "text": "Быть или не быть - вот в чём вопрос." }, "status": "ALTERNATIVE_STATUS_FINAL" } ], "usage": { "inputTextTokens": "28", "completionTokens": "10", "totalTokens": "38" }, "modelVersion": "06.12.2023" } }
-
Создайте файл
test.py
с кодом запроса к модели:import requests import argparse URL = "https://llm.api.cloud.yandex.net/foundationModels/v1/completion" def run(iam_token, folder_id, user_text): # Собираем запрос data = {} # Указываем тип модели data["modelUri"] = f"gpt://{folder_id}/yandexgpt" # Настраиваем опции data["completionOptions"] = {"temperature": 0.3, "maxTokens": 1000} # Указываем контекст для модели data["messages"] = [ {"role": "system", "text": "Исправь ошибки в тексте."}, {"role": "user", "text": f"{user_text}"}, ] # Отправляем запрос response = requests.post( URL, headers={ "Accept": "application/json", "Authorization": f"Bearer {iam_token}" }, json=data, ).json() #Распечатываем результат print(response) if __name__ == '__main__': parser = argparse.ArgumentParser() parser.add_argument("--iam_token", required=True, help="IAM token") parser.add_argument("--folder_id", required=True, help="Folder id") parser.add_argument("--user_text", required=True, help="User text") args = parser.parse_args() run(args.iam_token, args.folder_id, args.user_text)
-
Запустите файл
test.py
, подставив значение IAM-токена и идентификатор каталога:export IAM_TOKEN=<IAM-токен> export FOLDER_ID=<идентификатор_каталога> export TEXT='Ашипки саме сибя ни исрпвят' python test.py \ --iam_token ${IAM_TOKEN} \ --folder_id ${FOLDER_ID} \ --user_text ${TEXT}
Результат:
{'result': {'alternatives': [{'message': {'role': 'assistant', 'text': 'Ошибки сами себя не исправят.'}, 'status': 'ALTERNATIVE_STATUS_FINAL'}], 'usage': {'inputTextTokens': '29', 'completionTokens': '9', 'totalTokens': '38'}, 'modelVersion': '07.03.2024'}}
Запрос к модели через gRPC API
Пример ниже разработан для выполнения в операционных системах MacOS и Linux. Чтобы выполнить его в системе Windows, ознакомьтесь с особенностями работы с Bash в Microsoft Windows.
-
Склонируйте репозиторий Yandex Cloud API, вставив код в ячейку ноутбука:
git clone https://github.com/yandex-cloud/cloudapi
-
Установите пакет
grpcio-tools
с помощью менеджера пакетов pip:pip install grpcio-tools
-
Перейдите в папку со склонированным репозиторием Yandex Cloud API:
cd <путь_к_папке_cloudapi>
-
Создайте папку
output
:mkdir output
-
Сгенерируйте код интерфейса клиента:
python -m grpc_tools.protoc -I . -I third_party/googleapis \ --python_out=output \ --grpc_python_out=output \ google/api/http.proto \ google/api/annotations.proto \ yandex/cloud/api/operation.proto \ google/rpc/status.proto \ yandex/cloud/operation/operation.proto \ yandex/cloud/validation.proto \ yandex/cloud/ai/foundation_models/v1/text_generation/text_generation_service.proto \ yandex/cloud/ai/foundation_models/v1/text_common.proto
-
В папке
output
создайте файлtest.py
с кодом запроса к модели:# coding=utf8 import argparse import grpc import yandex.cloud.ai.foundation_models.v1.text_common_pb2 as pb import yandex.cloud.ai.foundation_models.v1.text_generation.text_generation_service_pb2_grpc as service_pb_grpc import yandex.cloud.ai.foundation_models.v1.text_generation.text_generation_service_pb2 as service_pb def run(iam_token, folder_id, user_text): cred = grpc.ssl_channel_credentials() channel = grpc.secure_channel('llm.api.cloud.yandex.net:443', cred) stub = service_pb_grpc.TextGenerationServiceStub(channel) request = service_pb.CompletionRequest( model_uri=f"gpt://{folder_id}/yandexgpt", completion_options=pb.CompletionOptions( max_tokens={"value": 2000}, temperature={"value": 0.5} ), ) message_system = request.messages.add() message_system.role = "system" message_system.text = "Исправь ошибки в тексте." message_user = request.messages.add() message_user.role = "user" message_user.text = user_text it = stub.Completion(request, metadata=( ('authorization', f'Bearer {iam_token}'), )) for response in it: for alternative in response.alternatives: print (alternative.message.text) if __name__ == '__main__': parser = argparse.ArgumentParser() parser.add_argument("--iam_token", required=True, help="IAM token") parser.add_argument("--folder_id", required=True, help="Folder id") parser.add_argument("--user_text", required=True, help="User text") args = parser.parse_args() run(args.iam_token, args.folder_id, args.user_text)
-
Запустите файл
test.py
, подставив значение IAM-токена и идентификатор каталога:export IAM_TOKEN=<IAM-токен> export FOLDER_ID=<идентификатор_каталога> export TEXT='Ашипки саме сибя ни исрпвят' python output/test.py \ --iam_token ${IAM_TOKEN} \ --folder_id ${FOLDER_ID} \ --user_text ${TEXT}
Результат:
Ошибки сами себя не исправят.
Потоковый запрос через gRPC API
При включенном параметре stream
сервер будет присылать не только финальный результат генерации текста, но и промежуточные результаты. Каждый промежуточный ответ содержит весь результат генерации, доступный на текущий момент. До получения финального ответа результаты генерации могут меняться с приходом новых сообщений.
Работа параметра stream
максимально наглядна при создании и обработке больших текстов.
Важно
Параметр stream
недоступен для асинхронного режима работы модели.
Сгенерируйте код интерфейса клиента gRPC, как описано в инструкции. На шаге 6 создайте файл test.py
, содержащий код обращения к модели:
# coding=utf8
import argparse
import grpc
import yandex.cloud.ai.foundation_models.v1.text_common_pb2 as pb
import yandex.cloud.ai.foundation_models.v1.text_generation.text_generation_service_pb2_grpc as service_pb_grpc
import yandex.cloud.ai.foundation_models.v1.text_generation.text_generation_service_pb2 as service_pb
def run(iam_token, folder_id, user_text):
cred = grpc.ssl_channel_credentials()
channel = grpc.secure_channel('llm.api.cloud.yandex.net:443', cred)
stub = service_pb_grpc.TextGenerationServiceStub(channel)
request = service_pb.CompletionRequest(
model_uri=f"gpt://{folder_id}/yandexgpt",
completion_options=pb.CompletionOptions(
max_tokens={"value": 2000},
temperature={"value": 0.5},
stream=True
),
)
message_system = request.messages.add()
message_system.role = "system"
message_system.text = "Исправь ошибки в тексте."
message_user = request.messages.add()
message_user.role = "user"
message_user.text = user_text
it = stub.Completion(request, metadata=(
('authorization', f'Bearer {iam_token}'),
))
for response in it:
print(response)
if __name__ == '__main__':
parser = argparse.ArgumentParser()
parser.add_argument("--iam_token", required=True, help="IAM token")
parser.add_argument("--folder_id", required=True, help="Folder id")
parser.add_argument("--user_text", required=True, help="User text")
args = parser.parse_args()
run(args.iam_token, args.folder_id, args.user_text)
Результат:
alternatives {
message {
role: "assistant"
text: "О"
}
status: ALTERNATIVE_STATUS_PARTIAL
}
usage {
input_text_tokens: 29
completion_tokens: 1
total_tokens: 30
}
model_version: "07.03.2024"
alternatives {
message {
role: "assistant"
text: "Ошибки сами себя не исправят."
}
status: ALTERNATIVE_STATUS_FINAL
}
usage {
input_text_tokens: 29
completion_tokens: 9
total_tokens: 38
}
model_version: "07.03.2024"