任务
任务概览
| 任务类型 | 任务内容 | 预计耗时 |
|---|---|---|
| 闯关任务 | Leetcode 383(笔记中提交代码与leetcode提交通过截图) | 20mins |
| 闯关任务 | Vscode连接InternStudio debug笔记 | 10mins |
| 可选任务 | pip安装到指定目录 | 10mins |
作业总共分为三个任务，两个闯关任务均完成视作闯关成功。
请将作业发布到知乎、CSDN等任一社交媒体，将作业链接提交到以下问卷，助教老师批改后将获得 50 算力点奖励！！！
提交地址：https://aicarrier.feishu.cn/share/base/form/shrcnUqshYPt7MdtYRTRpkiOFJd
任务一
完成Leetcode 383, 笔记中提交代码与leetcode提交通过截图
任务二
下面是一段调用书生浦语API实现将非结构化文本转化成结构化json的例子，其中有一个小bug会导致报错。请大家自行通过debug功能定位到报错原因。
TIPS:
-
打断点查看下LLM返回的文本结果。造成本bug的原因与LLM的输出有关，学有余力的同学可以尝试修正这个BUG。
-
作业提交时需要有debug过程的图文笔记，必须要有打断点在debug中看到
res变量的值的截图。 -
避免将api_key明文写在程序中！！！ 本段demo为了方便大家使用debug所以将api_key明文写在代码中，这是一种极其不可取的行为!
from openai import OpenAI
import json
def internlm_gen(prompt,client):
'''
LLM生成函数
Param prompt: prompt string
Param client: OpenAI client
'''
response = client.chat.completions.create(
model="internlm2.5-latest",
messages=[
{"role": "user", "content": prompt},
],
stream=False
)
return response.choices[0].message.content
api_key = ''
client = OpenAI(base_url="https://internlm-chat.intern-ai.org.cn/puyu/api/v1/",api_key=api_key)
content = """
书生浦语InternLM2.5是上海人工智能实验室于2024年7月推出的新一代大语言模型，提供1.8B、7B和20B三种参数版本，以适应不同需求。
该模型在复杂场景下的推理能力得到全面增强，支持1M超长上下文，能自主进行互联网搜索并整合信息。
"""
prompt = f"""
请帮我从以下``内的这段模型介绍文字中提取关于该模型的信息，要求包含模型名字、开发机构、提供参数版本、上下文长度四个内容，以json格式返回。
`{content}`
"""
res = internlm_gen(prompt,client)
res_json = json.loads(res)
print(res_json)
任务三(可选)
使用VScode连接开发机后使用pip install -t命令安装一个numpy到看开发机/root/myenvs目录下，并成功在一个新建的python文件中引用。
一、力扣 383 赎金信问题 https://leetcode.cn/problems/ransom-note/description/
两个字符串构成问题，可以通过逐个字符对比，
class Solution:
def canConstruct(self, ransomNote: str, magazine: str) -> bool:
for i in range(len(ransomNote)):
if not ransomNote[i] in magazine:
return False
else:
if randsomNote.count(ransomNote[i])>magazine(randsomNote[i]):
return False
return true
时间复杂度高，改成使用字典的形式
class Solution:
def canConstruct(self, ransomNote: str, magazine: str) -> bool:
word_count = {}
for word in magazine:
word_count[word]=word_count.get(word,0)+1
for word in ransomNote:
if word not in word_count or word_count[word]==0:
return False
word_count[word]-=1
return True
官网使用collections.Counter取差集，代码更简洁
二、调试代码
安装依赖
pip install OpenAI
运行错误
调试
可以看到是返回的数据不止json字符串，前后都有多余的部分，可以使用split拆分，在用rstrip剔除末尾的多余字符。
修复
