上传备份

src/main/java/xyz/wbsite/ai/Helper.java

@@ -15,7 +15,7 @@ public class Helper {
 
     private static OpenAiStreamingChatModel openAiStreamingChatModel = OpenAiStreamingChatModel.builder()
             // openai地址
-            .baseUrl("http://192.168.88.106:11434/v1")
+            .baseUrl("http://192.168.88.105:11434/v1")
             // 密钥
             .apiKey("1")
             //模型名称
@@ -24,7 +24,7 @@ public class Helper {
             // 低 temperature（接近 0）：模型会更倾向于选择概率最高的 token，生成的文本更确定性、保守，接近 “标准答案”。适合需要精确性的场景，如数学计算、事实性问答、代码生成。
             // 高 temperature（如 1.0 或更高）：模型会增加低概率 token 的选择机会，生成的文本更随机、多样，可能包含更多创意或意外内容。适合需要开放性、创造性的场景，如故事写作、诗歌生成、对话模拟。
             // 调整概率分布的平滑度,创造性内容生成（如故事、诗歌）
-            .temperature(0.7)
+            .temperature(0.3)
             // 替代温度采样（temperature sampling）的策略，主要用于限制模型生成时的词汇选择范围：
             // 限制候选词的范围,精确性要求高的任务（如问答、摘要）
             // 高精确性任务（如数学计算、代码生成、事实性问答）：top_p = 0.7 ~ 0.8 限制候选词范围，减少模型编造错误信息的可能性。
@@ -51,7 +51,7 @@ public class Helper {
             // 对话生成	frequencyPenalty = 0.7~1.0	防止机器人重复使用相同话术，增强自然度。
             // 技术文档 / 代码生成	frequencyPenalty = 0	保留专业术语的一致性，避免不必要的替换。
             // 长文本生成	frequencyPenalty = 0.3~0.7	减少长段落中的重复表述。
-            .frequencyPenalty(0.0)
+            .frequencyPenalty(0.3)
             // 惩罚已出现的主题 当模型在生成过程中多次提及某个主题（如人物、事件、概念）时，presencePenalty 会降低该主题相关词汇再次被选中的概率。
             // 鼓励引入新内容：与 frequencyPenalty（惩罚词汇重复）不同，presencePenalty 更关注主题层面的多样性，避免模型围绕同一主题反复阐述。
             // 范围：通常为 -2.0 到 2.0 之间的浮点数。
@@ -71,7 +71,7 @@ public class Helper {
             .build();
 
     private static OpenAiChatModel openAiChatModel = OpenAiChatModel.builder()
-            .baseUrl("http://192.168.88.106:11434/v1")
+            .baseUrl("http://192.168.88.105:11434/v1")
             .apiKey("1")
             .modelName("qwen2.5:0.5b")
             .maxTokens(4096)
@@ -81,7 +81,7 @@ public class Helper {
             .logResponses(true)
             .build();
     private static OpenAiEmbeddingModel openAiEmbeddingModel = OpenAiEmbeddingModel.builder()
-            .baseUrl("http://192.168.88.106:11434/v1")
+            .baseUrl("http://192.168.88.105:11434/v1")
             .apiKey("1")
             .modelName("bge-m3")
             .logRequests(true)

src/main/java/xyz/wbsite/ai/Json_Example.java

@@ -25,11 +25,10 @@ public class Json_Example {
                                 .rootElement(
                                         JsonObjectSchema.builder()
                                                 .addProperty("data", JsonArraySchema.builder()
-                                                        .description("省份列表")
+                                                        .description("数据")
                                                         .items(
                                                                 JsonObjectSchema.builder()
-                                                                        .addStringProperty("name", "省份")
+                                                                        .addStringProperty("text", "朝代")
-                                                                        .addStringProperty("car", "车牌前缀")
                                                                         .build()
                                                         ).build()
                                                 ).build()
@@ -37,7 +36,7 @@ public class Json_Example {
                 ).build();
 
         ChatRequest build = ChatRequest.builder()
-                .messages(UserMessage.from("中国有哪些省，请列举3个"))
+                .messages(UserMessage.from("返回中国古代任意三个朝代"))
                 .responseFormat(build1)
                 .build();
 
@@ -51,7 +50,7 @@ public class Json_Example {
      */
     interface Assistant {
 
-        @SystemMessage("请参考提供资料，不要发散，没有请直接回答未查到")
+        @SystemMessage("请参考提供资料，不要发散，没有请直接回答没有")
         String chat(String userMessage);
     }
 }