PROGETTI
Gli esempi di progetto in questa sezione illustrano e dimostrano quanto sia facile e fattibile l'adozione dell'IA generativa in qualsiasi processo. Ogni processo può consumare il servizio di IA generativa invocando i servizi API REST esposti da un fornitore di servizi di IA affidabile.
I codici presenti in questo sito contengono funzioni già pubblicate in letteratura e non sono destinati a essere utilizzati così come sono.
Se si desidera adottarli, è responsabilità dell'utente verificare ciò che è necessario nel proprio ambiente e modificarli/integrarli in base ai requisiti della propria organizzazione per costruire funzioni conformi alle politiche aziendali e alle leggi nazionali
Invocare IBM watsonx API
Questo è un codice di esempio per invocare i servizi di IA generativa tramite API REST alimentata da IBM watsonx. Mostra poi il Payload restituito come risultato della richiesta API REST inviata. L'integrazione e l'esecuzione di un codice REST API per invocare servizi di IA generativa basati sul Large Language Model disponibile in watsonx è semplice e immediata. Il codice invia una richiesta per generare una ricetta per il pane vegano alla banana, quindi visualizza l'output in formato riga per mostrare anche i metadati che l'API restituisce al consumatore.
Il codice e i commenti sono in lingua originale.
Python Code
#Watson Machine Learning Python Library loading
from ibm_watson_machine_learning.foundation_models import Model
from ibm_watson_machine_learning.metanames import GenTextParamsMetaNames as GenParams
from ibm_watson_machine_learning.foundation_models.utils.enums import ModelTypes, DecodingMethods
import json
#List the available large Language Models
print( json.dumps( ModelTypes._member_names_, indent=2 ) )
#Credential Setting
my_credentials = {
"url" : "https://us-south.ml.cloud.ibm.com",
"apikey" : "Insert_Here_Your_Key"
}
#Model Parameters Setting
model_id = ModelTypes.LLAMA_2_70B_CHAT
gen_parms = { GenParams.MAX_NEW_TOKENS: 300 }
project_id = "c10198a0-54e7-4751-9bbe-e403cff90164"
space_id = None
verify = False
#Large Model Binding
my_model = Model( model_id, my_credentials, gen_parms, project_id, space_id, verify )
#Prompt preparation and setting
prompt_txt = "Generate a recipe\\n\\nInput:\\nRecipe for vegan banana bread\\n\\nOutput:\\n"
gen_parms_override = None
#Generative AI Inference Request
generated_response = my_model.generate( prompt_txt, gen_parms_override )
## Displaying the generated content
#Print out the paylod received
print( json.dumps( generated_response, indent=2 ) )
Invocare OpenAI API
Questo è un codice di esempio per invocare i servizi di intelligenza artificiale generativa tramite API REST di OpenAI. Mostra anche il Payload restituito come risultato della richiesta REST API inviata. L'integrazione e l'esecuzione di un codice API REST per invocare servizi di IA generativa basati sul Large Language Model di OpenAI. Il codice invia una richiesta per generare una risposta su quale sia la migliore tecnica di costruzione rispetto alla sede centrale. Poi visualizza l'output che l'API restituisce all'utente.
Il codice e i commenti sono in lingua originale.
Python Code
#Import openai Model
import openai
# Set up the OpenAI API client with your API key
my_secret_key = ‘xxxxxxxxxxxxxxxxxxxxxxxxxx’
openai. api_key = my_secret_key
#######################
#
#ChatGPT Functions built by Brux
#
# BUILT FUNCTIONS - 01|
#
# Documentation at:
# https://platform.openai.com/docs/api-reference
########################
#Define the interaction request to chatGPT function
def ask_to_chatGPT(my_question) :
my_prompt_question=my_question
output = openai.Completion.create(
model=' text-davinci-003',
prompt=my_prompt_question,
max_tokens=2096,
temperature=0
)
my_output="\nChatGPT Response:" + output.choices [0]. text
response=my_output.split(". “)
for my_line in response:
print (my_line, "\n")
return
#Example of useage
#out_stmt data frame contating the outcome statement for a
#my_question="What is yuur consideraton about this outcome statement"
#
#stmtby = outcome_statement_by_chatGPT(my_question, out_stmt)
my_question ="what is the best building technique against headquarters?"
ask_to_chatGPT (my_question)