1.简述
最近看到新闻，说是百度、字节、商汤、百川、智普等几家企业及机构所发布的生成式大语言模型，通过了《生成式人工智能服务管理暂行办法》，成为首批获得官方备案的大语言模型服务提供商。虽然一直在使用包括文心一言、chatglm这些大语言模型的，但这次好像用着合法合规，有了保障的感觉。
关于百度的文心一言，也是继chatgpt发布以来国内首发跟进，发布的大语言模型了。从文心一言的官方应用上，并没有找到api的使用入口，让我一度以为百度没有开放相关的接口服务。文心一言官方传送门：
https://yiyan.baidu.com/
https://yiyan.baidu.com/ 直到有一天下午接到百度AI开放平台的客户回访，顺便咨询了一下文心一言的API相关的问题，才了解到，在百度的千帆大模型平台上，是有提供针对百度自研模型的API服务的。所以简单看了一下千帆大模型平台，果然是有大语言模型的API入口，不止提供有百度的文心一言大模型，也提供了几个主流大语言模型的公共服务。所以，就将百度文心大模型的API服务集成到我的AI二次元姐姐项目里，这样大家又多了一个国内合法的选择了，百度智能云平台传送门：
https://cloud.baidu.com/
https://cloud.baidu.com/ 接下来，我将介绍一下如何在百度智能云平台上，开通大语言模型服务，以及如何使用我的AI工具包，在Unity上部署实现AI二次元小姐姐聊天应用。
2.开通大语言模型应用
2.1 千帆大模型平台
使用百度文心大模型应用，首先我们需要注册一个百度账号，这里就不再赘述了。注册账号后，根据上节内容中提到的百度智能云平台，点击链接进入到官方站点。
进入到官方平台页面后，我们可以在顶部的菜单栏里找到【产品->AI开发平台->文心千帆大模型】，从这个入口就可以找到我们需要的文心大模型服务了。
点击文心千帆大模型平台，进入到大模型平台页面，这里我们可以查看文心千帆大模型所提供的各种能力。
能够提供的大语言模型，根据官方文档我们可以了解到，千帆大语言模型平台支持的生成式AI模型包括百度自研的文心一言、文心一格，也包含了多个第三方大模型，如chatGLM、Llama、RWKV，也支持stable diffusion图片生成模型，总体上看还是很强大的。
这里，我们需要的是利用文本生成模型来驱动我们的AI数字人的，所以只需要使用文本生成模型就可以满足我们的需求。百度智能云平台提供了若干种大语言模型的公共服务，我们可以直接使用，包括文心大模型以及一些第三方模型。可支持的大语言模型可详细查看官方文档。
2.2 创建大模型应用
在使用文心大模型之前，我们首先需要创建一个大模型应用，只需要点击文心大模型主页上的【立即使用】按钮，就可以跳转到控制台界面（请先登录账号），在控制台页面中，找到“应用接入”，点击进入到应用创建的页面。
在应用创建视图下，点击“创建应用”，进入到应用创建页面。根据平台的提示，填写应用名称和描述信息，可用的大模型公共服务，平台默认全部勾选了，可以不用管，直接提交创建，这样我们就完成了应用的创建操作。
应用创建成功之后，就可以在控制台界面中找到应用的api key以及secret key这两个密钥，妥善保管好，后面我们会用到。
2.3 开通模型付费
平台所提供大语言模型公共服务，需要我们开通付费后，才能使用。百度千帆大模型平台的模型服务采用的是，按量计费模式，我们先开通模型服务付费之后，再根据使用的token数量，计算费用。我们可以在控制台界面的上方，找到计费管理按钮，点击就可以进入到计费开通界面了。
平台提供的公共模型服务的价格，可以在视图中查看，100万token的价格在几块钱至十几块钱不等，可以根据自己的需求，选择模型进行开通即可。
开通模型付费后，咱们就可以使用相应的模型服务了，接下来，咱们就可以在unity端，进行API对接的代码实现了。
3.API服务对接
千帆大模型平台的API对接流程，和百度AI开放平台的其他服务对接的流程是类似，首先，需要使用应用创建后，拿到的api key以及secret key，通过百度的鉴权api，拿到授权token，这个access token的有效期是30天，可以根据需要更新即可。获取到token后，在大语言模型API对接流程中，我们需要根据所选择的语言模型的访问地址，将token拼接到url中，再进行服务的访问。
接下来，我们来看看详细的对接过程的代码实现吧。
3.1 鉴权接口
百度应用服务的鉴权接口访问，需要提供应用的api key以及secret key，这两个密钥在我们创建应用后，可以在控制台找到。获取access token的api地址如下：
https://aip.baidubce.com/oauth/2.0/token
https://aip.baidubce.com/oauth/2.0/token
代码示例：
using Newtonsoft.Json.Linq;using System.Collections;using System.Collections.Generic;using UnityEngine;using UnityEngine.Networking;public class BaiduSettings : MonoBehaviour{ #region 参数定义 /// <summary> /// API Key /// </summary> [Header("填写应用的API Key")] public string m_API_key = string.Empty; /// <summary> /// Secret Key /// </summary> [Header("填写应用的Secret Key")] public string m_Client_secret = string.Empty; /// <summary> /// 是否从服务器获取token /// </summary> [SerializeField] private bool m_GetTokenFromServer = true; /// <summary> /// token值 /// </summary> public string m_Token = string.Empty; /// <summary> /// 获取Token的地址 /// </summary> [SerializeField] private string m_AuthorizeURL = "https://aip.baidubce.com/oauth/2.0/token"; #endregion private void Awake() { if (m_GetTokenFromServer) { StartCoroutine(GetToken(GetTokenAction)); } } /// <summary> /// 获取到token /// </summary> /// <param name="_token"></param> private void GetTokenAction(string _token) { m_Token = _token; } /// <summary> /// 获取token的方法 /// </summary> /// <param name="_callback"></param> /// <returns></returns> private IEnumerator GetToken(System.Action<string> _callback) { //获取token的api地址 string _token_url = string.Format(m_AuthorizeURL + "?client_id={0}&client_secret={1}&grant_type=client_credentials" , m_API_key, m_Client_secret); using (UnityWebRequest request = new UnityWebRequest(_token_url, "GET")) { request.downloadHandler = (DownloadHandler)new DownloadHandlerBuffer(); yield return request.SendWebRequest(); if (request.isDone) { string _msg = request.downloadHandler.text; TokenInfo _textback = JsonUtility.FromJson<TokenInfo>(_msg); string _token = _textback.access_token; _callback(_token); } } } /// <summary> /// 返回的token /// </summary> [System.Serializable] public class TokenInfo { public string access_token = string.Empty; }}3.2 大语言模型API对接
3.2.1 请求参数说明
获取到access token之后，我们就可以根据文心大模型的api文档，进行接口对接了。不同模型的接口地址略有差异，我们可以通过查阅API文档，获取到各个模型的访问地址，API文档地址如下：
https://cloud.baidu.com/doc/WENXINWORKSHOP/s/Nlks5zkzu
https://cloud.baidu.com/doc/WENXINWORKSHOP/s/Nlks5zkzu 通过文档查阅，我们可以发现，千帆大模型平台提供的公共模型服务的访问地址，前面的地址是一样，只有模型名称的差异，注意这点就可以了，我们具体看一下接口的要求。
请求地址(示例)：
https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/根据模型而定| 名称 | 值 |
|---|---|
| Content-Type | application/json |
关于access token，我们将token拼接在url里即可，以下是url示例：
https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/根据模型而定?access_token=token值需要发送的报文结构
| 名称 | 类型 | 必填 | 描述 |
|---|---|---|---|
| messages | List(message) | 是 | 聊天上下文信息。说明： （1）messages成员不能为空，1个成员表示单轮对话，多个成员表示多轮对话 （2）最后一个message为当前请求的信息，前面的message为历史对话信息 （3）必须为奇数个成员，成员中message的role必须依次为user、assistant （4）最后一个message的content长度（即此轮对话的问题）不能超过2000个字符；如果messages中content总长度大于2000字符，系统会依次遗忘最早的历史会话，直到content的总长度不超过2000个字符 |
| temperature | float | 否 | 说明： （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0.95，范围 (0, 1.0]，不能为0 （3）建议该参数和top_p只设置1个 （4）建议top_p和temperature不要同时更改 |
| top_p | float | 否 | 说明： （1）影响输出文本的多样性，取值越大，生成文本的多样性越强 （2）默认0.8，取值范围 [0, 1.0] （3）建议该参数和temperature只设置1个 （4）建议top_p和temperature不要同时更改 |
| penalty_score | float | 否 | 通过对已生成的token增加惩罚，减少重复生成的现象。说明： （1）值越大表示惩罚越大 （2）默认1.0，取值范围：[1.0, 2.0] |
| stream | bool | 否 | 是否以流式接口的形式返回数据，默认false |
| user_id | string | 否 | 表示最终用户的唯一标识符，可以监视和检测滥用行为，防止接口恶意调用 |
message说明
| 名称 | 类型 | 描述 |
|---|---|---|
| role | string | 当前支持以下： user: 表示用户 assistant: 表示对话助手 |
| content | string | 对话内容，不能为空 |
3.2.2 响应参数说明
以下是后台响应的报文结构
| 名称 | 类型 | 描述 |
|---|---|---|
| id | string | 本轮对话的id |
| object | string | 回包类型 chat.completion：多轮对话返回 |
| created | int | 时间戳 |
| sentence_id | int | 表示当前子句的序号。只有在流式接口模式下会返回该字段 |
| is_end | bool | 表示当前子句是否是最后一句。只有在流式接口模式下会返回该字段 |
| is_truncated | bool | 当前生成的结果是否被截断 |
| result | string | 对话返回结果 |
| need_clear_history | bool | 表示用户输入是否存在安全，是否关闭当前会话，清理历史会话信息 true：是，表示用户输入存在安全风险，建议关闭当前会话，清理历史会话信息 false：否，表示用户输入无安全风险 |
| ban_round | int | 当need_clear_history为true时，此字段会告知第几轮对话有敏感信息，如果是当前问题，ban_round=-1 |
| usage | usage | token统计信息，token数 = 汉字数+单词数*1.3 （仅为估算逻辑） |
usage说明
| 名称 | 类型 | 描述 |
|---|---|---|
| prompt_tokens | int | 问题tokens数 |
| completion_tokens | int | 回答tokens数 |
| total_tokens | int | tokens总数 |
注意 ：同步模式和流式模式，响应参数返回不同，详细内容参考示例描述。
同步模式下，响应参数为以上字段的完整json包。流式模式下，各字段的响应参数为 data: {响应参数}。3.2.3 代码示例
以下是访问大语言模型API服务的完整代码示例
/// <summary> /// token脚本 /// </summary> [SerializeField] private BaiduSettings m_Settings; /// <summary> /// 历史对话 /// </summary> private List<message> m_History = new List<message>(); /// <summary> /// 选择的模型类型 /// </summary> [Header("设置模型名称")] public ModelType m_ModelType = ModelType.ERNIE_Bot_turbo; /// <summary> /// 初始化 /// </summary> private void OnInit() { m_Settings = this.GetComponent<BaiduSettings>(); GetEndPointUrl(); } /// <summary> /// 发送消息 /// </summary> /// <returns></returns> public override void PostMsg(string _msg, Action<string> _callback) { base.PostMsg(_msg, _callback); } /// <summary> /// 发送数据 /// </summary> /// <param name="_postWord"></param> /// <param name="_callback"></param> /// <returns></returns> public override IEnumerator Request(string _postWord, System.Action<string> _callback) { stopwatch.Restart(); string _postUrl = url + "?access_token=" + m_Settings.m_Token; m_History.Add(new message("user", _postWord)); RequestData _postData = new RequestData { messages = m_History }; using (UnityWebRequest request = new UnityWebRequest(_postUrl, "POST")) { string _jsonData = JsonUtility.ToJson(_postData); byte[] data = System.Text.Encoding.UTF8.GetBytes(_jsonData); request.uploadHandler = (UploadHandler)new UploadHandlerRaw(data); request.downloadHandler = (DownloadHandler)new DownloadHandlerBuffer(); request.SetRequestHeader("Content-Type", "application/json"); yield return request.SendWebRequest(); if (request.responseCode == 200) { string _msg = request.downloadHandler.text; ResponseData response = JsonConvert.DeserializeObject<ResponseData>(_msg); //历史记录 string _responseText = response.result; m_History.Add(new message("assistant", response.result)); //添加记录 m_DataList.Add(new SendData("assistant", response.result)); //回调 _callback(response.result); } } stopwatch.Stop(); Debug.Log("chat百度-耗时：" + stopwatch.Elapsed.TotalSeconds); } /// <summary> /// 获取资源路径 /// </summary> private void GetEndPointUrl() { url = "https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/" + CheckModelType(m_ModelType); } /// <summary> /// 获取资源 /// </summary> /// <param name="_type"></param> /// <returns></returns> private string CheckModelType(ModelType _type) { if (_type == ModelType.ERNIE_Bot){ return "completions"; } if (_type == ModelType.ERNIE_Bot_turbo) { return "eb-instant"; } if (_type == ModelType.BLOOMZ_7B) { return "bloomz_7b1"; } if (_type == ModelType.Qianfan_BLOOMZ_7B_compressed) { return "qianfan_bloomz_7b_compressed"; } if (_type == ModelType.ChatGLM2_6B_32K) { return "chatglm2_6b_32k"; } if (_type == ModelType.Llama_2_7B_Chat) { return "llama_2_7b"; } if (_type == ModelType.Llama_2_13B_Chat) { return "llama_2_13b"; } if (_type == ModelType.Llama_2_70B_Chat) { return "llama_2_70b"; } if (_type == ModelType.Qianfan_Chinese_Llama_2_7B) { return "qianfan_chinese_llama_2_7b"; } if (_type == ModelType.AquilaChat_7B) { return "aquilachat_7b"; } return ""; } #region 数据定义 //发送的数据 [Serializable] private class RequestData { public List<message> messages = new List<message>();//发送的消息 public bool stream = false;//是否流式输出 public string user_id=string.Empty; } [Serializable] private class message { public string role=string.Empty;//角色 public string content = string.Empty;//对话内容 public message() { } public message(string _role,string _content) { role = _role; content = _content; } } //接收的数据 [Serializable] private class ResponseData { public string id = string.Empty;//本轮对话的id public int created; public int sentence_id;//表示当前子句的序号。只有在流式接口模式下会返回该字段 public bool is_end;//表示当前子句是否是最后一句。只有在流式接口模式下会返回该字段 public bool is_truncated;//表示当前子句是否是最后一句。只有在流式接口模式下会返回该字段 public string result = string.Empty;//返回的文本 public bool need_clear_history;//表示用户输入是否存在安全 public int ban_round;//当need_clear_history为true时，此字段会告知第几轮对话有敏感信息，如果是当前问题，ban_round=-1 public Usage usage = new Usage();//token统计信息，token数 = 汉字数+单词数*1.3 } [Serializable] private class Usage { public int prompt_tokens;//问题tokens数 public int completion_tokens;//回答tokens数 public int total_tokens;//tokens总数 } #endregion /// <summary> /// 模型名称 /// </summary> public enum ModelType { ERNIE_Bot, ERNIE_Bot_turbo, BLOOMZ_7B, Qianfan_BLOOMZ_7B_compressed, ChatGLM2_6B_32K, Llama_2_7B_Chat, Llama_2_13B_Chat, Llama_2_70B_Chat, Qianfan_Chinese_Llama_2_7B, AquilaChat_7B, }4. Unity端数字人配置
项目的源码已经发布到Github了，我们可以直接下载，并导入到unity中使用，要求unity版本在2020.3.44及以上。导入工具包之后，可以在Scene文件夹下，找到示例场景，在场景中找到LLM->chatBaidu对象，这里就维护了百度文心大模型的驱动脚本。
在unity编辑器端，选择chatBaidu对象之后，在属性面板里填写前面创建的应用密钥，并且选择好已经开通付费的大语言模型。
配置一下聊天服务脚本，将AI驱动的脚本改成百度文心大模型的脚本。如果不需要使用语音服务的话，可以在配置栏里，关掉语音服务，这样就可以填写语音服务相关的东西了。
上述配置完成，我们就可以使用百度文心大模型来驱动AI二次元小姐姐了。
5.结束语
这次的文章简单介绍了百度文心大模型平台API的对接流程，并针对接口对接的流程进行了介绍，包括接口的鉴权、以及发送报文、响应报文的结构说明，并提供了针对全流程在unity端的实现代码示例。通过上述的代码实现，我们就可以在unity引擎中，使用百度文心大模型的api来驱动AI二次元小姐姐的对话交互。完整的代码工程可以从我的开源项目下载使用，项目包含了针对多种GPT应用的集成工具，以及语音服务的集成，对我这个项目感兴趣的朋友，可以上我的B站号查看，我也做有详细的教程，相关源码可以在的哔哩哔哩主站找到相关视频，在视频介绍以及评论区获取。
【Unity+文心一言】文心大模型API驱动AI小姐姐，Unity开源工具包，打造AI二次元小姐姐~
项目地址传送门：
AI二次元老婆开源项目(unity-AI-Chat-Toolkit):
Github地址：https://github.com/zhangliwei7758/unity-AI-Chat-Toolkit
Gitee地址：https://gitee.com/DammonSpace/unity-ai-chat-toolkit