import dashscope
from dashscope import Generation
from sentence_transformers import SentenceTransformer
import faiss
import numpy as np
import os

# 設置API密鑰 - 請替換為您的實際API信息
dashscope.api_key = os.environ.get("DASHSCOPE_API_KEY")

# 1. 準備知識庫 - 中國古典詩詞知識
knowledge_base = [
    "《靜夜思》是唐代詩人李白的詩作，表達了對故鄉的思念之情。牀前明月光，疑是地上霜。舉頭望明月，低頭思故鄉。",
    "《水調歌頭·明月幾時有》是宋代蘇軾的代表作，是一首詠月懷人的詞。明月幾時有？把酒問青天。",
    "《春曉》是唐代詩人孟浩然的詩作，描繪了春天早晨的景色。春眠不覺曉，處處聞啼鳥。夜來風雨聲，花落知多少。",
    "杜甫是唐代偉大的現實主義詩人，被尊為詩聖，與李白合稱李杜。他的詩反映了唐代由盛轉衰的歷史過程。",
    "《將進酒》是李白的一首豪放詩篇，表達了人生得意須盡歡的豪情。君不見黃河之水天上來，奔流到海不復回。",
    "王維是唐代著名詩人、畫家，被譽為詩佛，他的詩多以山水田園為題材，充滿禪意。",
    "《相思》是王維的詩作，借紅豆表達相思之情。紅豆生南國，春來發幾枝。願君多采擷，此物最相思。",
]

# 2. 將知識庫轉換成向量並構建Faiss索引
encoder = SentenceTransformer('D:/modelscope/hub/models/sentence-transformers/all-MiniLM-L6-v2')
kb_embeddings = encoder.encode(knowledge_base)
dimension = kb_embeddings.shape[1]
index = faiss.IndexFlatL2(dimension)
index.add(kb_embeddings)

# 3. 用户查詢和檢索
user_query = "請介紹李白的《靜夜思》這首詩"
query_embedding = encoder.encode([user_query])
k = 3  # 從知識庫中檢索最相關的3條信息
distances, indices = index.search(query_embedding, k)

# 構建檢索到的上下文
retrieved_context = ""
for i, idx in enumerate(indices[0]):
    retrieved_context += knowledge_base[idx] + "\n"

print(f"用户問: {user_query}")
print("---Faiss檢索到的最相關知識---")
print(retrieved_context)

# 4. 構建通用Prompt模板
def build_prompt(context, query):
    return f"""
你是一個博學的中國古典文學專家。請根據以下【相關知識】，準確並專業地回答用户的問題。
如果相關知識中沒有答案，請如實告知你不知道。

【相關知識】
{context}

【用户問題】
{query}

【專家回答】
"""

# 5. Qwen API調用函數
def call_qwen_api(prompt, **kwargs):
    """
    調用Qwen API生成文本
    :param prompt: 輸入的提示文本
    :param kwargs: 生成參數
    :return: 生成的文本
    """
    try:
        response = Generation.call(
            model="qwen-max",  # 可根據需要選擇不同模型，如qwen-plus、qwen-max等
            prompt=prompt,
            **kwargs
        )
        return response.output.text
    except Exception as e:
        print(f"API調用出錯: {e}")
        return None

用户問: 請介紹李白的《靜夜思》這首詩
---Faiss檢索到的最相關知識---
《靜夜思》是唐代詩人李白的詩作，表達了對故鄉的思念之情。牀前明月光，疑是地上霜。舉頭望明月，低頭思故鄉。
《將進酒》是李白的一首豪放詩篇，表達了人生得意須盡歡的豪情。君不見黃河之水天上來，奔流到海不復回。
杜甫是唐代偉大的現實主義詩人，被尊為詩聖，與李白合稱李杜。他的詩反映了唐代由盛轉衰的歷史過程。

# 貪心搜索示例 - 通過設置temperature=0實現
print("\n=== 貪心搜索 ===")
prompt = build_prompt(retrieved_context, user_query)

# 使用貪心搜索 - 設置temperature=0
response = call_qwen_api(
    prompt,
    temperature=0,      # 温度為0相當於貪心搜索
    max_tokens=200,
)

if response:
    print(response)
else:
    print("API調用失敗")
print("\n" + "="*50 + "\n")

=== 貪心搜索 ===
《靜夜思》是唐代著名詩人李白創作的一首五言絕句，這首詩以其簡潔明快的語言和深刻的情感表達而廣為人知。全詩如下：

牀前明月光，
疑是地上霜。
舉頭望明月，
低頭思故鄉。

在這首詩中，李白通過描繪夜晚明亮的月光照進房間的情景，營造出一種寧靜而又略帶孤寂的氛圍。“疑是地上霜”一句巧妙地將月光 
比作地上的白霜，既形象又富有詩意。接着，“舉頭望明月”表達了詩人抬頭仰望天空中的月亮的動作；最後一句“低頭思故鄉”，則直 
接點出了整首詩的主題——對遠方家鄉的深深思念之情。這種由外在景象引發內心情感變化的手法，在李白的作品中十分常見，也使得 
《靜夜思》成為了流傳千古、觸動無數遊子心絃的經典之作。

==================================================

# 束搜索示例 - 注意：Qwen API通常不支持束搜索參數
print("=== 束搜索 ===")
print("注意: Qwen API通常不支持束搜索參數，使用低温度替代")
prompt = build_prompt(retrieved_context, user_query)

# 使用低温度模擬束搜索的效果
response = call_qwen_api(
    prompt,
    temperature=0.1,    # 低温度模擬束搜索的確定性
    max_tokens=200,
)

if response:
    print(response)
else:
    print("API調用失敗")
print("\n" + "="*50 + "\n")

=== 束搜索 ===
注意: Qwen API通常不支持束搜索參數，使用低温度替代
《靜夜思》是唐代著名詩人李白創作的一首五言絕句，這首詩以其簡潔明快的語言和深刻的情感表達而廣為人知。全詩如下：

牀前明月光，
疑是地上霜。
舉頭望明月，
低頭思故鄉。

在這首詩中，李白通過描繪夜晚獨自一人時所見的明亮月光，巧妙地將自然景象與個人情感相結合。首句“牀前明月光”直接點出了詩 
人所在環境以及引起他注意的事物——那灑落在牀前如同白霜般的皎潔月光。“疑是地上霜”進一步強化了這種視覺上的錯覺，同時也暗 
示着一種清冷孤寂之感。接下來，“舉頭望明月”，詩人抬頭仰望着天空中的滿月，這一動作不僅表達了他對美好事物的嚮往，也隱含 
着對遠方親人或家鄉的思念之情。“低頭思故鄉”則是整首詩情感的核心所在

==================================================

# 温度採樣示例 - 低温度
print("=== 温度採樣 - 低温度 (T=0.3) ===")
prompt = build_prompt(retrieved_context, user_query)

# 使用温度採樣 - 低温度
response = call_qwen_api(
    prompt,
    temperature=0.3,   # 低温度，輸出更確定
    max_tokens=200,
)

if response:
    print(response)
else:
    print("API調用失敗")
print("\n" + "="*50 + "\n")

# 温度採樣示例 - 高温度
print("=== 温度採樣 - 高温度 (T=1.5) ===")
prompt = build_prompt(retrieved_context, user_query)

# 使用温度採樣 - 高温度
response = call_qwen_api(
    prompt,
    temperature=1.5,   # 高温度，輸出更隨機
    max_tokens=200,
)

if response:
    print(response)
else:
    print("API調用失敗")
print("\n" + "="*50 + "\n")

=== 温度採樣 - 低温度 (T=0.3) ===
《靜夜思》是唐代著名詩人李白創作的一首五言絕句，這首詩以其簡潔而深刻的語言表達了作者在寂靜夜晚對遠方家鄉的深切思念之
情。全詩如下：

牀前明月光，
疑是地上霜。
舉頭望明月，
低頭思故鄉。

在這首詩中，“牀前明月光”描繪了一個寧靜夜晚裏明亮皎潔的月光照進了屋內；“疑是地上霜”則通過將月光比作地上的白霜來進一步 
強調了月色之明亮以及環境之清冷。“舉頭望明月”，當詩人抬頭仰望着那輪高掛天空中的圓月時，不禁勾起了他對遠方家人的無限懷 
念與嚮往；最後一句“低頭思故鄉”，則是直接點出了整首詩的主題——對故鄉深深的思念之情。整首作品語言樸素自然，情感真摯動人 
，充分展現了李白詩歌中既有豪放不羈也有細膩柔

==================================================

=== 温度採樣 - 高温度 (T=1.5) ===
《靜夜思》是唐代詩人李白所作的一首短詩，全詩只有四句二十字，但意境深邃、感人至深。它以簡潔明快的語言描繪了作者在寂靜
夜晚的深切思緒。“牀前明月光”，開篇就設置了一個寧靜而美麗的場景：明亮的月光照進屋內，“疑是地上霜”則是將月色比作寒冷季 
節地面覆蓋的白霜，營造出一種清冷孤寂的氛圍。接着，“舉頭望明月”，詩人抬頭仰望天空中懸掛着的月亮，這裏的“望”字不僅描述 
了動作，也表達了內心對遠方（可能是故鄉或親人）深切的掛念。“低頭思故鄉”最後一句，則直接點出了詩人此時此刻最真實的感情 
狀態——思念家鄉。整首詩歌通過對月光景色細膩入微地描寫，巧妙地寓情於景，表達了遠離故土之人對家鄉的深深懷念之情。       

==================================================

# Top-k 採樣示例
print("=== Top-k 採樣 (k=30) ===")
prompt = build_prompt(retrieved_context, user_query)

# 使用Top-k採樣
response = call_qwen_api(
    prompt,
    temperature=0.7,   # 配合適中的温度
    top_k=30,          # 只從概率最高的30個詞中採樣
    max_tokens=200,
)

if response:
    print(response)
else:
    print("API調用失敗")
print("\n" + "="*50 + "\n")

=== Top-k 採樣 (k=30) ===
《靜夜思》是唐代著名詩人李白創作的一首膾炙人口的五言絕句，通過簡潔而富有畫面感的語言，表達了詩人在寂靜夜晚對遠方家鄉
深切的懷念之情。全詩如下：

牀前明月光，
疑是地上霜。
舉頭望明月，
低頭思故鄉。

這首詩以“牀前”的視角展開，首先映入眼簾的是明亮皎潔的月光，詩人初時誤以為是地上的白霜（這反映了夜間月色之明亮）。隨後 
，他抬頭仰望着那輪高懸於空中的明月，在這樣的美景面前不禁想起了遙遠的家鄉。最後，“低頭思故鄉”一句，則直接點出了整首詩 
歌的主題——即在外漂泊者對於故土難以割捨的情感寄託。整首詩語言樸素自然、情感真摯動人，成為中國古典文學中表達鄉愁的經典 
之作之一。

==================================================

# Top-p 採樣示例
print("=== Top-p 採樣 (p=0.9) ===")
prompt = build_prompt(retrieved_context, user_query)

# 使用Top-p採樣（核採樣）
response = call_qwen_api(
    prompt,
    temperature=0.7,   # 配合適中的温度
    top_p=0.9,         # 從累積概率達到0.9的詞中採樣
    max_tokens=200,
)

if response:
    print(response)
else:
    print("API調用失敗")
print("\n" + "="*50 + "\n")

=== Top-p 採樣 (p=0.9) ===
《靜夜思》是唐代著名詩人李白創作的一首膾炙人口的五言絕句，這首詩以其簡潔明快的語言風格和深刻的情感表達深受後世讀者的
喜愛。全詩如下：

```
牀前明月光，
疑是地上霜。
舉頭望明月，
低頭思故鄉。
```

在這首詩中，李白通過對夜晚月色下景象的獨特描繪，表達了他對遠方家鄉深深的思念之情。“牀前明月光”，描述了作者夜晚醒來時 
看到明亮皎潔的月光照進房間；“疑是地上霜”則通過將月光比喻成地面上覆蓋着一層薄霜來形象化這份清冷之美感，同時也暗示了季 
節可能是在秋季或者是冬季初期。“舉頭望明月”表明詩人被這美麗的景色所吸引而抬頭凝視天空中的月亮；最後，“低頭思故鄉”直接 
點出了整首詩的主題——無論身處何方，在這樣寧靜美好的夜晚裏

==================================================

# 組合使用示例 - 創造性回答
print("=== 組合採樣 (Temperature=0.8 + Top-p=0.9) ===")
creative_query = "請用富有詩意的語言介紹《靜夜思》"
prompt = build_prompt(retrieved_context, creative_query)

# 使用組合採樣 - 適合創造性任務
response = call_qwen_api(
    prompt,
    temperature=0.8,   # 中等温度
    top_p=0.9,         # Top-p採樣
    max_tokens=250,
)

if response:
    print(response)
else:
    print("API調用失敗")
print("\n" + "="*50 + "\n")

=== 組合採樣 (Temperature=0.8 + Top-p=0.9) ===
在那寧靜而又深邃的夜晚，一輪明月悄悄地爬上了天際，將它那温柔而明亮的光芒灑向了大地。唐代詩人李白，在這樣一個萬籟俱寂
、唯有月色相伴的時刻，心中涌動着對遠方家鄉無盡的思念。他靜靜地坐在牀邊，眼前彷彿覆蓋了一層薄霜般的月光讓這位才華橫溢 
的詩人不禁生出錯覺，以為是秋天的寒霜降臨。然而抬頭望向天空中那輪皎潔圓滿的月亮時，所有關於時間與空間的距離都瞬間被拉 
近了——那不僅是天上的明珠，更是連接着遊子與故鄉之間最柔軟也最堅強的情感紐帶。

通過這首《靜夜思》，李白用極其簡練卻又充滿畫面感的語言，描繪了一個遠離家鄉的人在寂靜之夜對親人和故土深深眷戀之情。短 
短四句詩，卻藴含着跨越千年仍舊能夠觸動人心絃的力量。每當有人身處異鄉仰望星空之時，《靜夜思》便如同一縷清風，穿越時空 
界限，輕輕拂過每個漂泊者的心田，喚起那份埋藏心底對於“家”的永恆嚮往。

==================================================

import dashscope
from dashscope import Generation
from sentence_transformers import SentenceTransformer
import faiss
import numpy as np
import os

# 設置API密鑰 - 請替換為您的實際API密鑰
dashscope.api_key = os.environ.get("DASHSCOPE_API_KEY")

# 1. 準備一個模擬的"美食知識庫"
knowledge_base = [
    "冰糖葫蘆是一種傳統的北方小吃，由山楂和糖製成，酸甜開胃，但適合冬天吃。",
    "火鍋是四川特色，以麻辣鮮香著稱，但吃多了容易上火。",
    "綠豆湯是由綠豆熬製而成的甜品，清熱解毒，是夏季消暑的佳品。",
    "冰淇淋是一種冷凍奶製品，口感冰涼香甜，夏天食用能有效降温。",
    "紅燒肉是一道著名的大眾菜餚，使用肥瘦相間的五花肉做成，油膩温熱，不適合夏天。",
    "涼皮是陝西的特色小吃，口感滑嫩，涼爽可口，非常適合在炎熱的夏季食用。",
    "姜撞奶是一種廣東甜品，由薑汁和牛奶製成，口感滑嫩，但姜性温熱。",
]

# 將知識庫轉換成向量並構建Faiss索引
encoder = SentenceTransformer('D:/modelscope/hub/models/sentence-transformers/all-MiniLM-L6-v2')
kb_embeddings = encoder.encode(knowledge_base)
dimension = kb_embeddings.shape[1]
index = faiss.IndexFlatL2(dimension)
index.add(kb_embeddings)

# 2. 用户查詢和檢索
user_query = "天氣好熱，推薦點吃的吧？"
query_embedding = encoder.encode([user_query])
k = 3  # 從知識庫中檢索最相關的3條信息
distances, indices = index.search(query_embedding, k)

# 打印檢索到的內容
print(f"\n用户問: {user_query}")
print("---Faiss檢索到的最相關知識---")
retrieved_context = ""
for i, idx in enumerate(indices[0]):
    print(f"{i+1}. {knowledge_base[idx]}")
    retrieved_context += knowledge_base[idx] + "\n"

# 3. 構建Prompt，將檢索到的知識作為上下文
prompt = f"""
你是一個友好的美食推薦助手。請根據以下【相關知識】，回答用户的問題。
回答要簡短、親切、有吸引力。

【相關知識】
{retrieved_context}

【用户問題】
{user_query}

【助手推薦】
"""
print("\n---生成的Prompt---")
print(prompt)

# 4. 定義Qwen API調用函數
def call_qwen_api(prompt, **kwargs):
    """
    調用Qwen API生成文本
    :param prompt: 輸入的提示文本
    :param kwargs: 生成參數
    :return: 生成的文本
    """
    try:
        response = Generation.call(
            model="qwen-max",  # 可根據需要選擇不同模型，如qwen-plus、qwen-max等
            prompt=prompt,
            **kwargs
        )
        return response.output.text
    except Exception as e:
        print(f"API調用出錯: {e}")
        return None

# 5. 關鍵步驟：選擇不同的採樣方法生成回覆

# 場景一：追求準確可靠（基於事實推薦）
print("\n---生成模式一: 準確模式（低温度+Top-p）---")
response = call_qwen_api(
    prompt,
    temperature=0.3,    # 低温度，創造性低
    top_p=0.9,          # Top-p採樣
    max_tokens=150,     # 最多生成150個token
)

if response:
    print(response)
else:
    print("API調用失敗")

# 場景二：追求創意有趣（寫美食文案）
print("\n---生成模式二: 創意模式（中温度+Top-p）---")
response = call_qwen_api(
    prompt,
    temperature=0.8,    # 中温度，創造性更高
    top_p=0.92,         # Top-p採樣
    max_tokens=150,     # 最多生成150個token
)

if response:
    print(response)
else:
    print("API調用失敗")

用户問: 天氣好熱，推薦點吃的吧？
---Faiss檢索到的最相關知識---
1. 冰糖葫蘆是一種傳統的北方小吃，由山楂和糖製成，酸甜開胃，但適合冬天吃。
2. 綠豆湯是由綠豆熬製而成的甜品，清熱解毒，是夏季消暑的佳品。
3. 紅燒肉是一道著名的大眾菜餚，使用肥瘦相間的五花肉做成，油膩温熱，不適合夏天。

---生成的Prompt---

你是一個友好的美食推薦助手。請根據以下【相關知識】，回答用户的問題。
回答要簡短、親切、有吸引力。

【相關知識】
冰糖葫蘆是一種傳統的北方小吃，由山楂和糖製成，酸甜開胃，但適合冬天吃。
綠豆湯是由綠豆熬製而成的甜品，清熱解毒，是夏季消暑的佳品。
紅燒肉是一道著名的大眾菜餚，使用肥瘦相間的五花肉做成，油膩温熱，不適合夏天。


【用户問題】
天氣好熱，推薦點吃的吧？

【助手推薦】


---生成模式一: 準確模式（低温度+Top-p）---
這麼熱的天，來碗清涼解暑的綠豆湯最合適不過了，既能消暑又能清熱解毒，給你帶來一絲涼爽！

---生成模式二: 創意模式（中温度+Top-p）---
這麼熱的天，來一碗清涼的綠豆湯最合適不過啦！既能解暑又能清熱解毒，讓你從內到外都感到清爽。試試看吧！