通过 PaLM API 使用大型语言模型 (LLM) 的初学者指南

您是否正在寻找一种方法来撰写个性化求职信来帮助您找到梦想的工作？如果是这样，您可能有兴趣使用大型语言模型 (LLM) 和 PaLM API 来创建求职信生成器。

大型语言模型 (LLM) 是人工智能 (AI)，可以生成文本、翻译语言、编写不同的创意文本格式以及非正式地回答您的问题。它们非常强大，甚至可以用来创建新的工具和应用程序。

PaLM API 就是此类工具之一，它允许开发人员访问和使用 LLM。

本指南将向您展示如何使用 PaLM API（预训练和大型语言模型 API）来创建求职信生成器。该工具可以帮助您生成个性化的求职信。

什么是法学硕士？

大型语言模型 (LLM)是在海量文本数据集上训练的先进人工智能 (AI) 系统。这有助于他们学习单词和短语如何组合在一起，从而生成可理解且正确的句子。

法学硕士是一种生成式人工智能，这意味着他们可以创造新内容。

法学硕士通常使用一种称为“变压器”的神经网络来构建。变形金刚可以学习单词之间的远程依赖关系，这对于理解和生成自然语言至关重要。 Transformer 模型包含多个层，每个层执行不同的任务。

例如，自注意力层允许模型学习句子中不同单词之间的关系。

LLM 的一个例子是由 OpenAI 创建的 GPT-3。 GPT-3 从大量文本和代码中学习。它可以写作、翻译语言、制作创意内容并以友好的方式回答问题。

法学硕士非常强大，可以改变我们使用计算机的方式。随着他们变得更好，他们可以在很多方面帮助我们：

• 虚拟助理：法学硕士可能会成为智能助理，像人一样理解我们并与我们交谈。这可以使设备的使用变得更加容易。例如，法学硕士可以为虚拟助理提供支持，帮助您预约、预订或控制您的智能家居设备。

• 教育：法学硕士可以使学生的学习变得个性化。他们还可以对论文进行评分并为学生提供建议。例如，法学硕士可用于为学生创建个性化阅读列表或为学生的论文提供反馈。

• 医疗保健：法学硕士可以阅读医疗记录并发现可能的健康问题。他们甚至可以帮助制定新的治疗方法。例如，法学硕士可用于识别有患某种疾病风险的患者或开发新的药物治疗方法。

• 金融服务：法学硕士可以为客户提供建议并检测欺诈交易。例如，法学硕士可以帮助客户选择正确的投资组合或检测欺诈性信用卡交易。

大型语言模型如何工作？

法学硕士首先学习语言中单词和短语之间的统计关系。这是通过在大量文本和代码数据集上训练模型来完成的。一旦模型了解了这些关系，它就可以生成与其训练文本类似的新文本。

1. 法学硕士接受海量文本和代码数据集的训练。该数据集包括从书籍和文章到代码存储库和社交媒体帖子的所有内容。

   
   

2. 法学硕士学习数据集中单词和短语之间的统计关系。这意味着它可以学习哪些单词更有可能一起出现，以及句子的含义如何根据单词的顺序而变化。

   
   

3. 一旦法学硕士了解了这些关系，它就可以生成新的文本。为此，它从种子文本开始，例如几个单词或一个句子。然后，它使用学到的统计关系来预测句子中的下一个单词。它会继续这样做，直到生成一个新句子。

以下是法学硕士如何生成文本的示例：

 `Seed text: "The cat sat on the mat." LLM prediction: "The cat sat on the mat and stared at the bird."`

在这个例子中，法学硕士了解到单词“cat”和“sat”后面通常跟着单词“on”。它还了解到“mat”后面经常跟“and”。根据这些关系，法学硕士预测句子中的下一个单词是“and”。

然后它继续预测下一个单词“凝视”。

下面的图表说明了 LLM 的工作原理：

LLM 由神经网络组成。神经网络是一种复杂的数学模型，可以学习识别数据中的模式。对于法学硕士，神经网络学习识别单词和短语之间的统计关系。

神经网络在大量文本和代码数据集上进行训练。数据集一次一个单词地输入神经网络。然后，神经网络尝试预测序列中的下一个单词。

测量预测的准确性，并更新神经网络以提高其准确性。

这个过程会重复多次，直到神经网络学会准确预测序列中的下一个单词。

大型语言模型有什么用？

• 文本生成： LLM可以生成文本，例如诗歌、代码、脚本、音乐作品、电子邮件、信件等。例如，名为Bard的LLM可以生成不同的创意文本格式。它将尽力满足您的所有要求。

• 翻译：法学硕士可以将文本从一种语言翻译成另一种语言。例如，谷歌翻译法学硕士可以将英语文本翻译成法语、西班牙语、德语、中文、日语和许多其他语言。

• 回答问题：法学硕士可以回答有关各种主题的问题，即使这些问题是开放式的、具有挑战性的或奇怪的。例如，LaMDA 法学硕士可以回答有关天气、历史或时事的问题。

• 摘要：法学硕士可以总结长篇文本，例如新闻文章或研究论文。例如，名为 BARD 的法学硕士可以用几句话总结一篇研究论文。

• 代码生成： LLM 可以生成 Python、Java 或 C++ 代码。例如，GitHub Copilot LLM 可以生成正确且高效的代码。

创意写作：法学硕士可以生成创意文本，例如诗歌、短篇故事或脚本。例如，名为 GPT-3 的法学硕士可用于生成原创和创意诗歌。

PaLM API 入门

PaLM API（Pathways 语言模型 API）是一个基于云的 API，允许开发人员访问 Google 的 PaLM 2 大语言模型 (LLM)。 PaLM 2 是一款功能强大的法学硕士，可用于多种任务，包括：

• 文本生成：PaLM API 可以通过多种方式生成文本。您可以使用文本或聊天服务。文本服务可以生成用于多种用途的文本，例如总结文本、编写创意内容以及帮助回答您的问题。聊天服务可以为聊天机器人和其他对话应用程序生成文本。

  
  

• 编程语言：PaLM API 支持 Node.js、Python、Android Kotlin、Swift 和 Java。在本教程中，您将使用 Node.js 文本示例。

  
  

• 文档：PaLM API 是开源的，任何人都可以使用和改进。它的文档也很齐全，因此开发人员很容易学习如何使用它。

  
  

要开始使用 PaLM API，您需要执行以下步骤：

1：创建Google云平台帐户。

您可以通过访问 Google Cloud Platform 网站来执行此操作：https: //cloud.google.com/ 。

2：获取API密钥。要使用 API，您需要 API 密钥。完成等待名单后，您可以在 MakerSuite 中一键创建密钥。通过此链接https://makersuite.google.com/waitlist

3：安装PaLM API客户端库。 PaLM API 客户端库是可用于与 PaLM API 交互的代码集。您可以通过运行以下命令来安装它：

 npm init -y npm install google-auth-library

接下来，安装生成语言客户端库：

 npm install @google-ai/generativelanguage

4：导入所需模块

const { TextServiceClient } = require("@google-ai/generativelanguage").v1beta2; const { GoogleAuth } = require("google-auth-library");

在此步骤中，代码使用require函数导入必要的模块。它从@google-ai/generativelanguage库导入TextServiceClient类，从google-auth-library导入GoogleAuth类。

5：设置常量

const MODEL_NAME = "models/text-bison-001"; const API_KEY = process.env.API_KEY;

此处，代码设置了两个常量： MODEL_NAME ，它指定要使用的文本生成模型的名称；以及API_KEY ，它从环境变量中检索 API 密钥。

6：创建TextServiceClient实例

const client = new TextServiceClient({ authClient: new GoogleAuth().fromAPIKey(API_KEY), });

此步骤创建TextServiceClient类的实例。它使用 GoogleAuth 类进行身份验证来初始化客户端，该类是使用从环境变量获取的 API 密钥进行实例化的。

7：定义提示

const prompt = "Write a simple and short cover letter for a technical writer";

这里，代码定义了一个名为prompt的变量，它保存将用作文本生成输入的初始文本。

8：生成文本

client .generateText({ model: MODEL_NAME, prompt: { text: prompt, }, }) .then((result) => { console.log(JSON.stringify(result)); });

在此步骤中，代码使用client实例来生成文本。它调用客户端实例上的generateText方法。它传递一个带有模型名称 ( MODEL_NAME ) 和提示文本 ( prompt ) 作为属性的对象。

generateText方法返回一个使用then方法处理的 Promise。生成的结果在转换为 JSON 字符串后记录到块内的控制台。

然后运行脚本：

 node index.js

您将得到与此类似的结果：

 [{"candidates":[{"safetyRatings":[{"category":"HARM_CATEGORY_DEROGATORY","probability":"NEGLIGIBLE"},{"category":"HARM_CATEGORY_TOXICITY","probability":"NEGLIGIBLE"},{"category":"HARM_CATEGORY_VIOLENCE","probability":"NEGLIGIBLE"},{"category":"HARM_CATEGORY_SEXUAL","probability":"NEGLIGIBLE"},{"category":"HARM_CATEGORY_MEDICAL","probability":"NEGLIGIBLE"},{"category":"HARM_CATEGORY_DANGEROUS","probability":"NEGLIGIBLE"}],"output":"Dear [Hiring Manager name],\n\nI am writing to express my interest in the Technical Writer position at [Company name]. I have been working as a technical writer for the past five years, and I have a proven track record of success in developing and delivering clear, concise, and engaging technical documentation.\n\nIn my previous role at [Previous company name], I was responsible for writing a wide range of technical documentation, including user guides, API documentation, and training materials. I have a strong understanding of the technical writing process, and I am proficient in a variety of writing and editing tools.\n\nI am also an excellent communicator, and I am able to effectively translate complex technical information into language that is easy for both technical and non-technical audiences to understand. I am confident that I have the skills and experience that you are looking for in a Technical Writer.\n\nI am eager to learn more about the Technical Writer position at [Company name], and I am confident that I would be a valuable asset to your team. I am available for an interview at your earliest convenience.\n\nThank you for your time and consideration.\n\nSincerely,\n[Your name]","citationMetadata":{"citationSources":[{"startIndex":1068,"_startIndex":"startIndex","endIndex":1196,"_endIndex":"endIndex","uri":"https://www.upwork.com/resources/cover-letter-tips","_uri":"uri","license":"","_license":"license"}]},"_citationMetadata":"citationMetadata"}],"filters":[],"safetyFeedback":[]},null,null]

总之，本教程向您介绍了通过 PaLM API 使用大型语言模型 (LLM) 的基础知识。您已经学会了如何：

• 了解法学硕士和 PaLM API 的潜力
• 使用 PaLM API 创建自定义求职信生成器
• 利用法学硕士生成文本、翻译语言和回答问题
• 将 PaLM API 与 Node.js 和客户端库集成

这只是 LLM 和 API 的开始。当您继续探索这些技术时，您将发现更多使用它们来解决问题、创造新体验和塑造未来的方法。