基于千帆大模型的AI體檢報告解讀系統實戰：使用OSS與PDFBox實現PDF內容識別

目錄

說明

前言

需求

流程說明

表結構說明

整體流程?

百度智能云

注冊和實名認證

創建應用

費用說明

大模型API說明

集成大模型

設計Prompt

上傳體檢報告

讀取PDF內容

功能實現

智能評測

抽取大模型工具

功能實現

總結

說明

AI體檢報告解讀、病例小結或者類似的業務可以參考，完整DEMO不提供，只提供思路。

前言

在上家公司寫過AI體檢報告解讀和AI精準就醫推薦需求，不過那時候是調用分公司AI研發部的

API，估計他們也是調用大模型，后臺使用的是JeecgBoot管理數據，例如你有這個權益卡，這個

權益卡包含這個服務你就可以使用這個服務。

這次自己對接千帆大模型使用OSS上傳體檢報告，apache.pdfbox識別pdf內容，設置號Prompt，

調用千帆大模型對體檢報告進行分析。

需求

輸入如下信息，提前準備好老人體檢報告（PDF格式）點擊確認按鈕以后，會使用AI對老人的健康

報告進行評估。

下面是健康評估的詳情頁面，使用AI分析后的結果頁，給了很多數據，可以讓護理員或銷售來查看

健康狀況，進一步更好的服務老人或者給老人推薦一些護理服務。

?

流程說明

表結構說明

建表語句：

CREATE TABLE "health_assessment" ("id" bigint NOT NULL AUTO_INCREMENT COMMENT '主鍵',"elder_name" varchar(255) DEFAULT NULL COMMENT '老人姓名',"id_card" varchar(255) DEFAULT NULL COMMENT '身份證號',"birth_date" datetime DEFAULT NULL COMMENT '出生日期',"age" int DEFAULT NULL COMMENT '年齡',"gender" int DEFAULT NULL COMMENT '性別(0:男，1:女)',"health_score" varchar(255) DEFAULT NULL COMMENT '健康評分',"risk_level" varchar(255) DEFAULT NULL COMMENT '嚴重危險(健康, 提示, 風險, 危險, 嚴重危險)',"suggestion_for_admission" int DEFAULT NULL COMMENT '是否建議入住(0:建議，1:不建議)',"nursing_level_name" varchar(255) DEFAULT NULL COMMENT '推薦護理等級',"admission_status" int DEFAULT NULL COMMENT '入住情況(0:已入住，1:未入住)',"total_check_date" varchar(64) DEFAULT NULL COMMENT '總檢日期',"physical_exam_institution" varchar(255) DEFAULT NULL COMMENT '體檢機構',"physical_report_url" varchar(255) DEFAULT NULL COMMENT '體檢報告URL鏈接',"assessment_time" datetime DEFAULT NULL COMMENT '評估時間',"report_summary" text COMMENT '報告總結',"disease_risk" text COMMENT '疾病風險',"abnormal_analysis" text COMMENT '異常分析',"system_score" varchar(255) DEFAULT NULL COMMENT '健康系統分值',"create_by" varchar(255) DEFAULT NULL COMMENT '創建者',"create_time" datetime DEFAULT NULL COMMENT '創建時間',"update_by" varchar(255) DEFAULT NULL COMMENT '更新者',"update_time" datetime DEFAULT NULL COMMENT '更新時間',"remark" text COMMENT '備注',PRIMARY KEY ("id")
) ENGINE=InnoDB AUTO_INCREMENT=7 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci COMMENT='健康評估表';

整體流程?

  1. 上傳PDF文件存儲到OSS?
  2. 讀取PDF文件內容 存儲到Redis key為身份證號 value為pdf識別內容
  3. 點擊確定 根據身份證從Redis獲取pdf識別內容
  4. 結合Prompt+pdf內容 調用大模型 返回JSON結果 接收

百度智能云

注冊和實名認證

  • 注冊地址：https://qianfan.cloud.baidu.com/

需要實名認證，不然大模型調用不了，實名認證自己認證一下。?

創建應用

實名認證后，需要創建一個應用，獲取到這個應用的API Key和Secret Key。

地址：千帆大模型服務與開發平臺ModelBuilder

進入管理平臺后，找到應用接入，創建新的應用，只有創建了應用，后面才能讓大模型來綁定應用

使用。

?輸入應用的名稱，和應用的描述點擊確認即可。

獲取到AppId、API Key、Secret Key后續項目中調用API需要用到。

?

費用說明

記得充錢！！！！ 調用大模型需要花費TOKEN TOKEN是需要錢的！！！！

充錢才能使你變的強大！！！

大模型API說明

我們的需求中，prompt是比較多的，低版本都不支持大量token使用，所以采用ERNIE-4.0-8K-

Preview。

官方地址：https://cloud.baidu.com/doc/WENXINWORKSHOP/s/nluv1jxlp

ERNIE 4.0是百度自研的旗艦級超大規模?語?模型，相較ERNIE 3.5實現了模型能力全面升級，

廣泛適用于各領域復雜任務場景；支持自動對接百度搜索插件，保障問答信息時效，支持5K

tokens輸入+2K tokens輸出。

  • 對話模型，一次請求就是一次對話

  • 提供了java的sdk調用，地址：https://github.com/baidubce/bce-qianfan-sdk/tree/main/java

  • 支持單輪對話、多輪對話、流式

  • 部分關鍵的參數：?

名稱

類型

必填

描述

messages

List[dict]

是

對話信息，messages": [ {"role": "user","content": "你好"}]

message中的content總長度和system字段總內容不能超過20000個字符，且不能超過5120 tokens

model

string

是

模型名稱，用于指定平臺支持預置服務的模型，說明：該字段為固定值ERNIE-4.0-8K-Preview（必須開通付費）

temperature

float

否

大模型的采樣參數，

（1）較高的數值會使輸出更加隨機，而較低的數值會使其更加集中和確定

（2）默認0.8，范圍 (0, 1.0]，不能為0

max_output_tokens

int

否

指定模型最大輸出token數，說明：

（1）如果設置此參數，范圍[2, 2048]

（2）如果不設置此參數，最大輸出token數為1024

response_format

string

否

指定響應內容的格式，說明：

（1）可選值：

· json_object：以json格式返回，可能出現不滿足效果情況

· text：以文本格式返回

（2）如果不填寫參數response_format值，默認為text

集成大模型

導入依賴：

<dependency><groupId>com.baidubce</groupId><artifactId>qianfan</artifactId><version>0.1.1</version>
</dependency>

編寫一個main測試方法：

public class AIModelTest {private static final String prompt = "你能幫我分析一份完整的體檢報告嗎？";public static void main(String[] args) {/*** 第一個參數：認證類型，固定選擇 Auth.TYPE_OAUTH* 第二個參數：accessKeyId，從百度云控制臺創建的應用里可以找到* 第三個參數：accessKeySecret，從百度云控制臺創建的應用里可以找到*/Qianfan qianfan = new Qianfan(Auth.TYPE_OAUTH, "xEO9h4cswlghfdfdUiYpkNt", "T68lkk7XuyfgfdgfdWtCQcFCVkd2HnZuKH");ChatResponse response = qianfan.chatCompletion().model("ERNIE-4.0-8K-Preview") // 模型名稱，要選擇自己開通付費的模型.addMessage("user", prompt) // 聊天內容，可以設置多個，每個消息包含role（角色，user表示用戶，assistant表示模型），content（消息內容）
//                .temperature(0.7) // 采樣參數，取值范圍(0,1]
//                .maxOutputTokens(2000) // 模型輸出最大長度，取值范圍[2, 2048]
//                .responseFormat("json_object")  // 模型輸出格式，取值范圍：text（文本）、json_object（JSON對象）.execute();String result = response.getResult();System.out.println(result);}
}

結果輸出：

設計Prompt

設計之后的Prompt提示詞，這里涉及了大量的專業名詞和健康指標，實際開發中需要找產品經理

協助

請以一個專業醫生的視角來分析這份體檢報告，報告中包含了一些異常數據，我需要您對這些數據進行解讀，并給出相應的健康建議。 體檢內容如下： 內容略.... 要求： 1. 提取體檢報告中的“總檢日期”； 2. 通過臨床醫學、疾病風險評估模型和數據智能分析，給該用戶的風險等級和健康指數給出結果。風險等級分為：健康、提示、風險、危險、嚴重危險。健康指數范圍為0至100分； 3. 根據用戶身體各項指標數據，詳細說明該用戶各項風險等級的占比是多少，最多保留兩位小數。結論格式：該用戶健康占比20.00%，提示占比20.00%，風險占比20%，危險占比20%，嚴重危險占比20%； 4. 對于體檢報告有異常數據，請列出（異常數據的結論、體檢項目名稱、檢查結果、參考值、單位、異常解讀、建議）這8字段。解讀異常數據，解決這些數據可能代表的健康問題或風險。分析可能的原因，包括但不限于生活習慣、飲食習慣、遺傳因素等。基于這些異常數據和可能的原因，請給出具體的健康建議，包括飲食調整、運動建議、生活方式改變以及是否需要進一步檢查或治療等。 結論格式：異常數據的結論：肥胖，體檢項目名稱：體重指數BMI，檢查結果：29.2，參考值>24，單位：-。異常解讀：體重超標包括超重與肥胖。體重指數（BMI）=體重（kg）/身?（m）的平?，BMI≥24為超重，BMI≥28為肥胖；男性腰圍≥90cm和?性腰圍≥85cm為腹型肥胖。體重超標是?種由多因素（如遺傳、進?油脂較多、運動少、疾病等）引起的慢性代謝性疾病，尤其是肥胖，已經被世界衛?組織列為導致疾病負擔的??危險因素之?。AI建議：采取綜合措施預防和控制體重，積極改變?活?式，宜低脂、低糖、?纖維素膳?，多?果蔬及菌藻類?物，增加有氧運動。若有相關疾病（如?脂異常、??壓、糖尿病等）應積極治療。 5. 根據這個體檢報告的內容，分別是給人體的8大系統打分，每項滿分為100分，8大系統分別為：呼吸系統、消化系統、內分泌系統、免疫系統、循環系統、泌尿系統、運動系統、感官系統 6. 給體檢報告做一個總結，總結格式：體檢報告中尿蛋?、癌胚抗原、?沉、空腹?糖、總膽固醇、?油三酯、低密度脂蛋?膽固醇、?清載脂蛋?B、動脈硬化指數、?細胞、平均紅細胞體積、平均?紅蛋?共12項指標提示異常，尿液常規共1項指標處于臨界值，?脂、?液常規、尿液常規、糖類抗原、?清酶類等共43項指標提示正常，綜合這些臨床指標和數據分析：腎臟、肝膽、?腦?管存在隱患，其中?腦?管有“?危”?險；腎臟部位有“中危”?險；肝膽部位有“低危”?險。 輸出要求： 最后，將以上結果輸出為JSON格式，不要包含其他的文字說明，所有的返回結果都是json，詳細格式如下： { "totalCheckDate": "YYYY-MM-DD", "healthAssessment": { "riskLevel": "healthy/caution/risk/danger/severeDanger", "healthIndex": XX.XX }, "riskDistribution": { "healthy": XX.XX, "caution": XX.XX, "risk": XX.XX, "danger": XX.XX, "severeDanger": XX.XX }, "abnormalData": [ { "conclusion": "異常數據的結論", "examinationItem": "體檢項目名稱", "result": "檢查結果", "referenceValue": "參考值", "unit": "單位", "interpret":"對于異常的結論進一步詳細的說明", "advice":"針對于這一項的異常，給出一些健康的建議" } ], "systemScore": { "breathingSystem": XX, "digestiveSystem": XX, "endocrineSystem": XX, "immuneSystem": XX, "circulatorySystem": XX, "urinarySystem": XX, "motionSystem": XX, "senseSystem": XX }, "summarize": "體檢報告的總結" }

上傳體檢報告

點擊上傳體檢報告后，需要將體檢報告上傳到阿里云OSS然后返回OSS鏈接，同時識別PDF文件

內容存儲到Redis，點擊確認的時候，根據身份證號從Redis獲取PDF內容，組合Prompt調用大模

型返回JSON數據接收。

讀取PDF內容

使用Apache PDFBox來識別PDF內容。

導入依賴：

<dependency><groupId>org.apache.pdfbox</groupId><artifactId>pdfbox</artifactId><version>2.0.24</version>
</dependency>

創建一個PDFUtil工具類，接收一個文件輸入流，讀取PDF文件內容，返回String PDF內容。

public class PDFUtil {public static String pdfToString(InputStream  inputStream) {PDDocument document = null;try {// 加載PDF文檔document = PDDocument.load(inputStream);// 創建一個PDFTextStripper實例來提取文本PDFTextStripper pdfStripper = new PDFTextStripper();// 從PDF文檔中提取文本String text = pdfStripper.getText(document);return text;} catch (IOException e) {e.printStackTrace();} finally {// 關閉PDF文檔if (document != null) {try {document.close();inputStream.close();} catch (IOException e) {e.printStackTrace();}}}return null;}
}

測試：

public class PDFUtilTest {public static void main(String[] args) throws FileNotFoundException {FileInputStream fileInputStream = new FileInputStream("E:\\tmp\\體檢報告-劉愛國-男-69歲.pdf");String result = PDFUtil.pdfToString(fileInputStream);System.out.println(result);}
}

功能實現

OSSAliyunFileStorageService是上傳文件至OSS.

@Autowired
private OSSAliyunFileStorageService fileStorageService;@Autowired
private RedisTemplate<String,String> redisTemplate;/*** 通用上傳請求（單個）*/
@ApiOperation("健康文檔上傳")
@PostMapping("/upload")
public AjaxResult uploadFile(MultipartFile file, String idCardNo) throws Exception
{try{//生成一個名字，保證不重復，唯一String originalFilename = file.getOriginalFilename();String fileName = UUID.randomUUID().toString() + originalFilename.substring(originalFilename.lastIndexOf("."));String url = fileStorageService.store(fileName, file.getInputStream());AjaxResult ajax = AjaxResult.success();ajax.put("url", url);ajax.put("fileName", url);ajax.put("newFileName", FileUtils.getName(fileName));ajax.put("originalFilename", file.getOriginalFilename());//PDF文件內容讀取為字符串String content = PDFUtil.pdfToString(file.getInputStream());//臨時存儲到redis中redisTemplate.opsForHash().put("healthReport", idCardNo, content);return ajax;}catch (Exception e){return AjaxResult.error(e.getMessage());}
}

智能評測

抽取大模型工具

application.yml定義配置：

baidu:accessKey: xEO9h4csw9zWlUiYpkNtsecretKey: T67Xuyx9JoCQcFCVkd2HnZuKHqianfanModel: ERNIE-4.0-8K-Preview

定義properties類方便讀取配置：

@Data
@Configuration
@ConfigurationProperties(prefix = "baidu")
public class BaiduAIProperties {private String accessKey;private String secretKey;private String qianfanModel;}

模型工具類，傳入組裝好的Prompt，返回String JSON。

@Component
@Slf4j
public class AIModelInvoker {@Autowiredprivate BaiduAIProperties baiduAIProperties;public String qianfanInvoker(String prompt) {System.out.println(prompt);Qianfan qianfan = new Qianfan(Auth.TYPE_OAUTH, baiduAIProperties.getAccessKey(), baiduAIProperties.getSecretKey());ChatResponse response = qianfan.chatCompletion().model(baiduAIProperties.getQianfanModel()).addMessage("user", prompt).temperature(0.7).maxOutputTokens(2000).responseFormat("json_object").execute();String result = response.getResult();System.out.println(result);return result;}}

功能實現

根據大模型返回的結果數據，返回的是一個JSON，調用大模型的時候已經指定返回的格式是

JSON，然后提取JSON數據，根據返回的結果判斷。

例如前端頁面的柱狀圖、餅圖數據這些都是模型返回，然后渲染的。

@Autowired
private AIModelInvoker aIModelInvoker;/*** 新增健康評估** @param healthAssessmentDto 健康評估* @return 結果*/
@Override
public Long insertHealthAssessment(HealthAssessmentDto healthAssessmentDto) {try {//組裝prompt，然后調用千帆大模型來分析數據String prompt = getPrompt(healthAssessmentDto);String result = aIModelInvoker.qianfanInvoker(prompt);if (StringUtils.isEmpty(result)) {throw new BaseException("AI分析失敗");}//解析數據HealthReportVo healthReportVo = JSONUtil.toBean(result, HealthReportVo.class);//保存數據Long id = insertHealthReport(healthReportVo, healthAssessmentDto);return id;} catch (BaseException e) {throw new BaseException("AI分析失敗");}
}/*** 插入健康報告** @param healthReportVo* @return*/
private Long insertHealthReport(HealthReportVo healthReportVo, HealthAssessmentDto healthAssessmentDto) {HealthAssessment healthAssessment = new HealthAssessment();//總檢日期healthAssessment.setTotalCheckDate(healthReportVo.getTotalCheckDate());healthAssessment.setElderName(healthAssessmentDto.getElderName());String idCard = healthAssessmentDto.getIdCard();healthAssessment.setIdCard(idCard);healthAssessment.setBirthDate(IDCardUtils.getBirthDateByIdCard(idCard));healthAssessment.setAge(IDCardUtils.getAgeByIdCard(idCard));healthAssessment.setGender(IDCardUtils.getGenderFromIdCard(idCard));double healthScore = healthReportVo.getHealthAssessment().getHealthIndex();healthAssessment.setHealthScore(String.valueOf(healthScore));healthAssessment.setRiskLevel(healthReportVo.getHealthAssessment().getRiskLevel());//是否建議入住healthAssessment.setSuggestionForAdmission(getSuggestionForAdmission(healthScore));healthAssessment.setNursingLevelName(getNursingLevelName(healthScore));healthAssessment.setAdmissionStatus(0);healthAssessment.setTotalCheckDate(healthReportVo.getTotalCheckDate());healthAssessment.setPhysicalExamInstitution(healthAssessmentDto.getPhysicalExamInstitution());healthAssessment.setPhysicalReportUrl(healthAssessmentDto.getPhysicalReportUrl());healthAssessment.setAssessmentTime(LocalDateTime.now());healthAssessment.setReportSummary(healthReportVo.getSummarize());healthAssessment.setDiseaseRisk(JSONUtil.toJsonStr(healthReportVo.getRiskDistribution()));healthAssessment.setAbnormalAnalysis(JSONUtil.toJsonStr(healthReportVo.getAbnormalData()));healthAssessment.setSystemScore(JSONUtil.toJsonStr(healthReportVo.getSystemScore()));save(healthAssessment);return healthAssessment.getId();
}/*** 計算護理等級** @param healthScore* @return*/
private String getNursingLevelName(double healthScore) {//處理邊界if (healthScore < 0 || healthScore > 100) {throw new IllegalArgumentException("健康評分必須在0到100之間");}if(healthScore >= 60 && healthScore < 70){return "三級護理等級";}else if (healthScore >= 70 && healthScore < 80){return "二級護理等級";}else if (healthScore >= 80 && healthScore < 90){return "一級護理等級";}else if (healthScore >= 90){return "特級護理等級";}return "無";}/*** 是否建議入住** @param healthScore* @return*/
private Integer getSuggestionForAdmission(double healthScore) {if (healthScore >= 60) {return 0;}return 1;}@Autowired
private RedisTemplate<String, String> redisTemplate;/*** 獲取prompt** @param healthAssessmentDto* @return*/
private String getPrompt(HealthAssessmentDto healthAssessmentDto) {//獲取文件中的內容String content = (String) redisTemplate.opsForHash().get("healthReport", healthAssessmentDto.getIdCard());//判斷是否為空if (StringUtils.isEmpty(content)) {throw new BaseException("文件提取內容失敗，請重新上傳提交報告");}String prompt = "請以一個專業醫生的視角來分析這份體檢報告，報告中包含了一些異常數據，我需要您對這些數據進行解讀，并給出相應的健康建議。\n" +"體檢內容如下：\n" +content + "\n" +"\n" +"要求：\n" +"1. 提取體檢報告中的“總檢日期”；\n" +"2. 通過臨床醫學、疾病風險評估模型和數據智能分析，給該用戶的風險等級和健康指數給出結果。風險等級分為：健康、提示、風險、危險、嚴重危險。健康指數范圍為0至100分；\n" +"3. 根據用戶身體各項指標數據，詳細說明該用戶各項風險等級的占比是多少，最多保留兩位小數。結論格式：該用戶健康占比20.00%，提示占比20.00%，風險占比20%，危險占比20%，嚴重危險占比20%；\n" +"4. 對于體檢報告有異常數據，請列出（異常數據的結論、體檢項目名稱、檢查結果、參考值、單位、異常解讀、建議）這8字段。解讀異常數據，解決這些數據可能代表的健康問題或風險。分析可能的原因，包括但不限于生活習慣、飲食習慣、遺傳因素等。基于這些異常數據和可能的原因，請給出具體的健康建議，包括飲食調整、運動建議、生活方式改變以及是否需要進一步檢查或治療等。\n" +"結論格式：異常數據的結論：肥胖，體檢項目名稱：體重指數BMI，檢查結果：29.2，參考值>24，單位：-。異常解讀：體重超標包括超重與肥胖。體重指數（BMI）=體重（kg）/身?（m）的平?，BMI≥24為超重，BMI≥28為肥胖；男性腰圍≥90cm和?性腰圍≥85cm為腹型肥胖。體重超標是?種由多因素（如遺傳、進?油脂較多、運動少、疾病等）引起的慢性代謝性疾病，尤其是肥胖，已經被世界衛?組織列為導致疾病負擔的??危險因素之?。AI建議：采取綜合措施預防和控制體重，積極改變?活?式，宜低脂、低糖、?纖維素膳?，多?果蔬及菌藻類?物，增加有氧運動。若有相關疾病（如?脂異常、??壓、糖尿病等）應積極治療。\n" +"5. 根據這個體檢報告的內容，分別是給人體的8大系統打分，每項滿分為100分，8大系統分別為：呼吸系統、消化系統、內分泌系統、免疫系統、循環系統、泌尿系統、運動系統、感官系統\n" +"6. 給體檢報告做一個總結，總結格式：體檢報告中尿蛋?、癌胚抗原、?沉、空腹?糖、總膽固醇、?油三酯、低密度脂蛋?膽固醇、?清載脂蛋?B、動脈硬化指數、?細胞、平均紅細胞體積、平均?紅蛋?共12項指標提示異常，尿液常規共1項指標處于臨界值，?脂、?液常規、尿液常規、糖類抗原、?清酶類等共43項指標提示正常，綜合這些臨床指標和數據分析：腎臟、肝膽、?腦?管存在隱患，其中?腦?管有“?危”?險；腎臟部位有“中危”?險；肝膽部位有“低危”?險。\n" +"\n" +"輸出要求：\n" +"最后，將以上結果輸出為JSON格式，不要包含其他的文字說明，所有的返回結果都是json，詳細格式如下：\n" +"\n" +"{\n" +"  \"totalCheckDate\": \"YYYY-MM-DD\",\n" +"  \"healthAssessment\": {\n" +"    \"riskLevel\": \"healthy/caution/risk/danger/severeDanger\",\n" +"    \"healthIndex\": XX.XX\n" +"  },\n" +"  \"riskDistribution\": {\n" +"    \"healthy\": XX.XX,\n" +"    \"caution\": XX.XX,\n" +"    \"risk\": XX.XX,\n" +"    \"danger\": XX.XX,\n" +"    \"severeDanger\": XX.XX\n" +"  },\n" +"  \"abnormalData\": [\n" +"    {\n" +"      \"conclusion\": \"異常數據的結論\",\n" +"      \"examinationItem\": \"體檢項目名稱\",\n" +"      \"result\": \"檢查結果\",\n" +"      \"referenceValue\": \"參考值\",\n" +"      \"unit\": \"單位\",\n" +"      \"interpret\":\"對于異常的結論進一步詳細的說明\",\n" +"      \"advice\":\"針對于這一項的異常，給出一些健康的建議\"\n" +"    }\n" +"  ],\n" +"  \"systemScore\": {\n" +"    \"breathingSystem\": XX,\n" +"    \"digestiveSystem\": XX,\n" +"    \"endocrineSystem\": XX,\n" +"    \"immuneSystem\": XX,\n" +"    \"circulatorySystem\": XX,\n" +"    \"urinarySystem\": XX,\n" +"    \"motionSystem\": XX,\n" +"    \"senseSystem\": XX\n" +"  },\n" +"  \"summarize\": \"體檢報告的總結\"\n" +"}";return prompt;
}

總結

主要是設置好Prompt然后結合PDF內容調用大模型，然后返回JSON數據解析組裝，好像一些大模

型直接使用OSS鏈接也可以，上傳PDF后key為身份證號 value為PDF內容 （其實OSS鏈接也可

以）點擊確認根據身份證號從Redis獲取PDF內容，組裝Prompt調用大模型，流程不復雜，理解了

其實就很容易，后續類似調用大模型需求也大概這種流程。

本文來自互聯網用戶投稿，該文觀點僅代表作者本人，不代表本站立場。本站僅提供信息存儲空間服務，不擁有所有權，不承擔相關法律責任。
如若轉載，請注明出處：http://www.pswp.cn/diannao/85786.shtml
繁體地址，請注明出處：http://hk.pswp.cn/diannao/85786.shtml
英文地址，請注明出處：http://en.pswp.cn/diannao/85786.shtml

如若內容造成侵權/違法違規/事實不符，請聯系多彩編程網進行投訴反饋email:809451989@qq.com，一經查實，立即刪除！

相關文章

湖北理元理律師事務所：債務優化中的生活保障實踐

湖北理元理律師事務所：債務優化中的生活保障實踐

在債務壓力與生活質量失衡的普遍困境中&#xff0c;法律服務的價值不僅在于解決債務問題&#xff0c;更在于幫助債務人重建生活秩序。湖北理元理律師事務所通過其債務優化服務&#xff0c;探索出一條“法律生活”的雙軌路徑。 債務規劃的核心矛盾&#xff1a;還款能力與生存需…
閱讀更多...
無人機智能識別交通目標，AI視覺賦能城市交通治理新高度

無人機智能識別交通目標，AI視覺賦能城市交通治理新高度

在城市化快速發展的當下&#xff0c;如何實現對道路交通的智能化管理、保障出行安全&#xff0c;成為城市治理的重要命題。傳統的交通監控往往依賴地面攝像頭&#xff0c;受限于固定視角與安裝環境。而今&#xff0c;隨著人工智能與無人機技術的深度融合&#xff0c;一種更高效…
閱讀更多...
unity UI Rect Transform“高”性能寫法

unity UI Rect Transform“高”性能寫法

&#x1f3af; Unity UI 性能優化終極指南 — RectTransform篇 &#x1f9e9; RectTransform 是什么&#xff1f; Unity UI中每一個UI元素的必備組件繼承自 Transform&#xff0c;但專門用于 2D 布局負責定義UI的位置、大小、錨點、旋轉、縮放 ?? 特別注意&#xff1a;所有…
閱讀更多...
JDK21深度解密 Day 8：Spring Boot 3與虛擬線程整合

JDK21深度解密 Day 8：Spring Boot 3與虛擬線程整合

【JDK21深度解密 Day 8】Spring Boot 3與虛擬線程整合 引言：Spring Boot 3遇上JDK21虛擬線程 在本系列的第8天，我們將聚焦于Spring Boot 3與JDK21虛擬線程的整合實踐。作為全網首套完整的JDK21特性解析，我們不僅會探討虛擬線程如何顛覆傳統Java并發模型，還會通過完整的Sp…
閱讀更多...
【STM32F407 PWM配置和應用指南 】

【STM32F407 PWM配置和應用指南 】

PWM基本概念 PWM&#xff08;脈沖寬度調制&#xff09;是一種通過快速開關數字信號來控制模擬電路的技術&#xff0c;通過改變脈沖的占空比來控制平均電壓。STM32F407的定時器外設可以生成PWM信號。 STM32F407 PWM配置步驟 1. 定時器時鐘使能 首先需要使能定時器的時鐘&…
閱讀更多...
鴻蒙【HarmonyOS 5】 （React Native）的實戰教程

鴻蒙【HarmonyOS 5】 （React Native）的實戰教程

一、環境配置 ?安裝鴻蒙專屬模板? bashCopy Code npx react-native0.72.5 init HarmonyApp --template react-native-template-harmony:ml-citation{ref"4,6" data"citationList"} ?配置 ArkTS 模塊路徑? 在 entry/src/main/ets 目錄下創建原生模塊&…
閱讀更多...
MYSQL MGR高可用

MYSQL MGR高可用

1&#xff0c;MYSQL MGR高可用是什么 簡單來說&#xff0c;MySQL MGR 的核心目標就是&#xff1a;確保數據庫服務在部分節點&#xff08;服務器&#xff09;發生故障時&#xff0c;整個數據庫集群依然能夠繼續提供讀寫服務&#xff0c;最大限度地減少停機時間。 2. 核心優勢 v…
閱讀更多...
（18）混合云架構部署

（18）混合云架構部署

文章目錄 &#x1f680; 混合云架構部署&#xff1a;Java應用的云原生之旅&#x1f329;? 混合云架構簡介? Java應用云原生部署五大核心技術1?? 容器化與編排技術2?? 服務網格與API網關3?? CI/CD自動化流水線4?? 多云管理平臺5?? 云原生Java框架與運行時 &#x1f…
閱讀更多...
虛擬現實教育終端技術方案——基于EFISH-SCB-RK3588的全場景國產化替代

虛擬現實教育終端技術方案——基于EFISH-SCB-RK3588的全場景國產化替代

一、VR教育終端技術挑戰與替代價值 ?實時交互性能瓶頸? 賽揚N100/N150僅支持3DOF渲染&#xff08;延遲&#xff1e;25ms&#xff09;&#xff0c;動態手勢識別幀率≤15FPS&#xff0c;難以滿足6DOF教學場景需求RK3588 Mali-G610 GPU支持6DOF空間渲染&#xff08;延遲≤12ms&…
閱讀更多...
pikachu靶場通關筆記14 XSS關卡10-XSS之js輸出(五種方法滲透)

pikachu靶場通關筆記14 XSS關卡10-XSS之js輸出(五種方法滲透)

目錄 一、源碼分析 1、進入靶場 2、代碼審計 二、滲透實戰 1、根據提示輸入tmac 2、XSS探測 3、注入Payload1 4、注入Payload2 5、注入Payload3 6、注入Payload4 7、注入Payload5 本系列為通過《pikachu靶場通關筆記》的XSS關卡(共10關&#xff09;滲透集合&#x…
閱讀更多...
PARADISE：用于新生兒缺氧缺血性腦病（HIE）疾病識別與分割的個性化和區域適應性方法|文獻速遞-深度學習醫療AI最新文獻

PARADISE：用于新生兒缺氧缺血性腦病（HIE）疾病識別與分割的個性化和區域適應性方法|文獻速遞-深度學習醫療AI最新文獻

Title 題目 PARADISE: Personalized and regional adaptation for HIE disease identification and segmentation PARADISE&#xff1a;用于新生兒缺氧缺血性腦病&#xff08;HIE&#xff09;疾病識別與分割的個性化和區域適應性方法 1 文獻速遞介紹 缺氧缺血性腦病&…
閱讀更多...
OpenCV C++ 心形雨動畫

OpenCV C++ 心形雨動畫

?? OpenCV C 心形雨動畫 ?? 本文將引導你使用 C 和 OpenCV 庫創建一個可愛的心形雨動畫。在這個動畫中&#xff0c;心形會從屏幕頂部的隨機位置落下&#xff0c;模擬下雨的效果。使用opencv定制自己的專屬背景 目錄 簡介先決條件核心概念實現步驟 創建項目定義心形結構…
閱讀更多...
【記錄】Python｜Python支持if 1＜a＜2、if not a、if a is None這三種寫法

【記錄】Python｜Python支持if 1＜a＜2、if not a、if a is None這三種寫法

今天讓AI幫我寫代碼&#xff0c;突然發現寫出來一句類似1<a<2&#xff0c;我頓感疑惑&#xff1a;不是只能用and連接嗎&#xff1f; 一試發現真行&#xff0c;那我辛辛苦苦寫了好幾年的 (條件1) and (條件2) 算什么&#xff1f;算我勤快嗎&#xff1f;&#x1f62d; 常…
閱讀更多...
Matlab ｜ MATLAB 中的插值詳解

Matlab ｜ MATLAB 中的插值詳解

MATLAB 中的插值詳解 插值是數值分析中的核心技術，用于在已知數據點之間估計未知點的值。MATLAB 提供了完整的插值函數庫，涵蓋一維到高維數據，支持多種插值方法。以下從基礎到高級全面解析： 一、插值核心概念 1. 數學本質 給定數據點 ( x i , y i ) (x_i, y_i) (<
閱讀更多...
正則表達式檢測文件類型是否為視頻或圖片

正則表達式檢測文件類型是否為視頻或圖片

// 配置化文件類型檢測&#xff08;集中管理支持的類型&#xff09; const FILE_TYPE_CONFIG {video: {extensions: [mp4, webm, ogg, quicktime], // 可擴展支持更多格式regex: /^video\/(mp4|webm|ogg|quicktime)$/i // 自動生成正則},image: {extensions: [jpeg, jpg, png,…
閱讀更多...
Redis最佳實踐——熱點數據緩存詳解

Redis最佳實踐——熱點數據緩存詳解

Redis在電商熱點數據緩存中的最佳實踐 一、熱點數據定義與識別 1. 熱點數據特征 高頻訪問&#xff08;QPS > 1000&#xff09;數據規模適中&#xff08;單條 < 10KB&#xff09;數據變化頻率低&#xff08;更新間隔 > 5分鐘&#xff09;業務關鍵性高&#xff08;直接…
閱讀更多...
8088單板機C語言sprintf（）格式化串口輸出---Prj04

8088單板機C語言sprintf（）格式化串口輸出---Prj04

#include "tiny_stdarg.h" // 使用自定義可變參數實現#define ADR_273 0x0200 #define ADR_244 0x0400 #define LED_PORT 0x800 #define PC16550_THR 0x1f0 #define PC16550_LSR 0x1f5 / //基本的IO操作函數 / char str[]"Hello World! 20250531 Ve…
閱讀更多...
【面試】音視頻面試

【面試】音視頻面試

H.264 與 H.265 有什么區別&#xff1f; 1&#xff09;主要區別 H.265 也稱為高效視頻編碼 (HEVC)&#xff0c;是 H.264 的升級和更高級的版本&#xff1b;H.265 的編碼架構大致上 和 H.264 的架構相似&#xff0c;主要也包含&#xff1a;幀內預測&#xff08;intra predicti…
閱讀更多...
Windows系統下npm報錯node-gyp configure got “gyp ERR“解決方法

Windows系統下npm報錯node-gyp configure got “gyp ERR“解決方法

感謝原博主&#xff0c;此文參考網址&#xff1a;https://zhuanlan.zhihu.com/p/398279220 確保已經安裝node.js &#xff08;官方網址&#xff1a;https://nodejs.org/zh-cn/download&#xff09; 首先在命令窗口執行命令安裝windows-build-tools&#xff1a; npm install -…
閱讀更多...
git stash命令用法

git stash命令用法

git stash 是 Git 中一個非常有用的命令&#xff0c;它可以臨時保存當前工作區的修改&#xff0c;讓你可以切換到其他分支或者處理其他任務&#xff0c;而不需要提交這些還未完成的修改。 一、基本用法 1. 保存當前修改&#xff08;包括暫存區和工作區的內容&#xff09; git…
閱讀更多...
最新文章

Copyright @ 2022~2023