应用场景：通用搜索领域
百度搜索RAG_PRO组件的综合优势在于通过结合百度搜索的搜索引擎技术和ERNIE模型的语义理解能力，可以更准确地理解用户的搜索意图，并提供与搜索查询相关性更高的搜索结果。
百度搜索RAG_PRO组件支持配置用户指令，temperature，top_p，以及溯源开关等，为用户提供了更灵活的控制选项。 对比旧版百度搜索RAG，新版百度搜索RAG_PRO在支持配置检索个数和检索类型（网页、视频等）方面进行了升级。
一、 看效果
如下示例代码可以直接运行看效果：
import os
# 设置环境变量
os.environ["APPBUILDER_TOKEN"] = "bce-v3/ALTAK-n5AYUIUJMarF7F7iFXVeK/1bf65eed7c8c7efef9b11388524fa1087f90ea58"
print("init done")
import appbuilder
# 创建rag_with_baidusearch对象, 并初始化人设指令
rag_with_baidusearch_pro = appbuilder.RagWithBaiduSearchPro(
model="ERNIE Speed-AppBuilder",
instruction=appbuilder.Message("你是问答助手，在回答问题前需要加上: 很高兴为您解答"))
# 运行rag_with_baidusearch组件，开启拒答、澄清追问、重点强调、友好性提升、溯源能力功能
msg = appbuilder.Message("黑龙江大学开学时间")
result = rag_with_baidusearch_pro.run(
msg, temperature=0.5, stream=True)
# 流式输出运行结果，如果非流式输出直接print(result)
#print(result.content)
for item in result.content:
print(item)
#非流式可以输出搜索的网页链接
for search_baidu in result.extra['search_baidu']:
print(search_baidu['url'])
#生成web页面进行调试
agent = appbuilder.AgentRuntime(component=rag_with_baidusearch_pro)
# 启动 chainlit 服务
agent.chainlit_demo(port=8091)
二、代码说明
初始化参数
-
model: 模型名称，用于指定要使用的千帆模型。 -
instruction (obj:Message, 可选): 可设定人设，如：你是问答助手，在回答问题前需要加上“很高兴为您解答：”
调用参数
调用参数中的 instruction 会覆盖初始化时的参数。
-
msg (obj:Message): 输入消息，包含用户提出的问题。这是一个必需的参数。 -
instruction (obj:Message, 可选): 可设定人设，如：你是问答助手，在回答问题前需要加上“很高兴为您解答：” -
stream (bool, 可选): 指定是否以流式形式返回响应。默认为 False。 -
temperature (float, 可选): 模型配置的温度参数，用于调整模型的生成概率。取值范围为 0.0 到 1.0，其中较低的值使生成更确定性，较高的值使生成更多样性。默认值为 1e-10。 -
top_p (float, 可选): 模型配置的top_p参数，top_p值越高输出文本越多样，top_p值越低输出文本越稳定。取值范围为 0.0 到 1.0，默认值为 1e-10。 -
search_top_k (int, 可选): 指定百度搜索返回的检索个数，最多10，默认为4。 -
hide_corner_markers (bool, 可选): 溯源开关，默认开。
返回值
- 返回一个
Message对象，包含模型运行后的输出消息。
三、采用流式输出的效果
四、web页面
最后自动打开了chainlit的web操作页面，可以通过UI进行交互
