程序返回：

{  "code": 0,  "msg": "success",  "data": {  "result": "因为我们有个好心情",  "createTime": "2023-03-16 16:02:10",  "requestId": "71a6efb46acbd64394374f44579a01eb",  "text": "天为什么这么蓝",  "taskId": 1000000,  "status": 1 # 0表示生成中，1表示生成成功  }  
}

请求的参数含义请参照官方文档：

async  
异步标识	int	1	  
1  
是  
异步标识，现阶段必传且传1  
text  
用户输入文本	string	空	  
[1, 1000]  
是  
模型的输入文本，为prompt形式的输入。  
min_dec_len  
最小生成长度	int	1	  
[1,seq_len]  
是  
输出结果的最小长度，避免因模型生成END导致生成长度过短的情况，与seq_len结合使用来设置生成文本的长度范围。  
seq_len  
最大生成长度	int	128	  
[1, 1000]  
是  
输出结果的最大长度，因模型生成END或者遇到用户指定的stop_token，实际返回结果可能会小于这个长度，与min_dec_len结合使用来控制生成文本的长度范围。  
topp  
多样性	float	1.0	  
[0.0,1.0]，间隔0.1  
是  
影响输出文本的多样性，取值越大，生成文本的多样性越强。  
penalty_score  
重复惩罚	float	1.0	  
[1,2]  
否  
通过对已生成的token增加惩罚，减少重复生成的现象。值越大表示惩罚越大。设置过大会导致长文本生成效果变差。  
stop_token  
提前结束符	string	空		  
否  
预测结果解析时使用的结束字符串，碰到对应字符串则直接截断并返回。可以通过设置该值，可以过滤掉few-shot等场景下模型重复的cases。  
task_prompt  
任务类型	string	空	PARAGRAPH,   
SENT, ENTITY,   
Summarization, MT,   
Text2Annotation,  
Misc, Correction,   
QA_MRC, Dialogue,   
QA_Closed_book,   
QA_Multi_Choice,  
QuestionGeneration,   
Paraphrasing, NLI,   
SemanticMatching,   
Text2SQL,   
TextClassification,   
SentimentClassification,  
zuowen, adtext,   
couplet，novel,  
cloze	  
否  
指定预置的任务模板，效果更好。 PARAGRAPH：引导模型生成一段文章； SENT：引导模型生成一句话； ENTITY：引导模型生成词组； Summarization：摘要； MT：翻译； Text2Annotation：抽取； Correction：纠错； QA_MRC：阅读理解； Dialogue：对话； QA_Closed_book: 闭卷问答； QA_Multi_Choice：多选问答； QuestionGeneration：问题生成； Paraphrasing：复述； NLI：文本蕴含识别； SemanticMatching：匹配； Text2SQL：文本描述转SQL；TextClassification：文本分类； SentimentClassification：情感分析； zuowen：写作文； adtext：写文案； couplet：对对联； novel：写小说； cloze：文本补全； Misc：其它任务。  
typeId  
模型类型	int	1	1	  
是  
通用：  
1 ERNIE 3.0 Zeus 通用  
2 ERNIE 3.0 Zeus instruct模型  
同义改写  
1 ERNIE 3.0 Zeus 同义改写精调模型  
写作文：  
1 ERNIE 3.0 Zeus 记叙文增强包  
2 ERNIE 3.0 Zeus 议论文增强包  
3 ERNIE 3.0 Zeus 小学作文增强包  
写文案：  
1 ERNIE 3.0 百亿 社交短文案精调模型  
2 ERNIE 3.0 Zeus 商品营销文案增强包  
写摘要：  
1 ERNIE 3.0 Zeus 写摘要  
2 ERNIE 3.0 Zeus 写标题  
3 ERNIE 3.0 百亿 写标题  
对对联：  
1 ERNIE 3.0 Zeus 对对联  
2 ERNIE 3.0 百亿 对对联  
自由问答：  
1 ERNIE 3.0 Zeus 自由问答增强包  
2 ERNIE 3.0 百亿 自由问答  
3 ERNIE 3.0 Zeus instruct模型  
写小说  
1 ERNIE 3.0百亿 写小说精调模型  
补全文本  
1 ERNIE 3.0 Zeus 词补全增强包  
2 ERNIE 3.0 Zeus 句补全增强包  
3 ERNIE 3.0 Zeus 段落补全增强包  
penalty_text  
惩罚文本	string	空		  
否  
模型会惩罚该字符串中的token。通过设置该值，可以减少某些冗余与异常字符的生成。  
choice_text  
候选文本	string	空		  
否  
模型只能生成该字符串中的token的组合。通过设置该值，可以对某些抽取式任务进行定向调优。  
is_unidirectional  
单双向控制开关	int	0	  
0或1  
否  
0表示模型为双向生成，1表示模型为单向生成。建议续写与few-shot等通用场景建议采用单向生成方式，而完型填空等任务相关场景建议采用双向生成方式。  
min_dec_penalty_text  
最小惩罚样本	string	空		  
否  
与最小生成长度搭配使用，可以在min_dec_len步前不让模型生成该字符串中的tokens。  
logits_bias  
屏蔽惩罚	float	-10000	  
[1, 1000]  
否  
配合penalty_text使用，对给定的penalty_text中的token增加一个logits_bias，可以通过设置该值屏蔽某些token生成的概率。  
mask_type  
生成粒度	string	word	  
可选参数为word, sentence, paragraph  
否  
设置该值可以控制模型生成粒度。

这里需要注意的是，虽然参数支持async异步，但那不是指请求的异步方式返回，换句话说，文心模型返回还是需要等待的，并不是ChatGPT那种流式返回模式。

文心一言API调用

文心一言SDK的功能有限，也不支持异步请求调用，如果需要定制化或者使用别的语言请求文心一言，需要提前发起Http请求获取token，这里我们使用异步请求库httpx:

pip3 install httpx

添加获取token逻辑：

class Winxin:  def chat(self,text):  input_dict = {  "text": f"问题：{text}\n回答：",  "seq_len": 512,  "topp": 0.5,  "penalty_score": 1.2,  "min_dec_len": 2,  "min_dec_penalty_text": "。?：！[]",  "is_unidirectional": 0,  "task_prompt": "qa",  "mask_type": "paragraph"  }  rst = FreeQA.create(**input_dict)  print(rst)  async def get_token(self):  headers = {"Content-Type":"application/x-www-form-urlencoded"}  async with httpx.AsyncClient() as client:  resp = await client.post(f"https://wenxin.baidu.com/moduleApi/portal/api/oauth/token?grant_type=client_credentials&client_id={wenxin_api.ak}&client_secret={wenxin_api.sk}",headers=headers)  result = resp.json()  print(result)

if __name__ == '__main__':  wx = Winxin()  asyncio.run(wx.get_token())

{'code': 0, 'msg': 'success', 'data': '24.3f6a63545345ae6588ea86a353.86400000.1679123673218.92a99f8955c6f9ab2c438a5f31b5d73b-173001'}

  async def get_task(self,token,text):  url = "https://wenxin.baidu.com/moduleApi/portal/api/rest/1.0/ernie/3.0.25/zeus"   data = {"async": 1, "typeId": 1, "seq_len": 512, "min_dec_len": 2, "topp": 0.8, "task_prompt": "qa", "penalty_score": 1.2, "is_unidirectional": 0, "min_dec_penalty_text": "。?：！[]", "mask_type": "word","text":text}  headers = { "Content-Type": "application/x-www-form-urlencoded" }  params = { "access_token": token }  async with httpx.AsyncClient() as client:  result = client.post(url, headers=headers, params=params, data=data)  result = result.json()  print(result)

{  "code":0,  "msg":"success",  "data":{  "taskId": 1229202,  "requestId":"7fad28872989e274914ee1687b8f2a13"  }  
}

async def get_res(self,taskid,token):  url = "https://wenxin.baidu.com/moduleApi/portal/api/rest/1.0/ernie/v1/getResult"   access_token = token  task_id = taskid  headers = { "Content-Type": "application/x-www-form-urlencoded" }  params = { "access_token": access_token }  data = { "taskId": task_id }  async with httpx.AsyncClient() as client:  response = client.post(url, headers=headers, params=params, data=data)  print(response.text)

{  "code": 0,  "msg": "success",  "data": {  "result": "因为我们有个好心情",  "createTime": "2023-03-16 18:09:40",  "requestId": "71a6efb46acbd64394374f44579a01eb",  "text": "天为什么这么蓝",  "taskId": 1000000,  "status": 1 # 0表示生成中，1表示生成成功  }  
}

class Winxin:  def draw(self,text):  num = 1  input_dict = {  "text": "国画，工笔画，女侠，正脸",  "style": "工笔画",  "resolution":"1024*1024",  "num": num  }  rst = TextToImage.create(**input_dict)  print(rst)

{  "imgUrls":[  "https://wenxin.baidu.com/younger/file/ERNIE-ViLG/61157afdaef4f0dfef0d5e51459160fbex"  ]  
}