Warning
WeLM 是一个非常擅长理解和生成文本的通用语言模型。你可以通过调用 WeLM 的 API 解决多种多样涉及文本的任务。
在本教程中，我们将快速构建一个给猫咪取名字的程序以及一个简单的问答程序。在此过程中，你将学习到将 WeLM API 用于其他任务（包括且不限于对话、文本风格转换、阅读理解、翻译等）的关键概念和步骤，更多如何构造prompt的例子和关键tips还可以阅读功能介绍。
「补全」是 WeLM API 的核心思想。 输入文本作为 Prompt(提示)，API 将返回文本，并尝试补全您提供的任何上下文。
如果你给的 prompt 是，
我今天很
模型也许会返回文本：“开心，因为看了一本书。”。
如果你给的 prompt 是，
问题：百年孤独的作者是？\n 回答：
模型也许会返回文本：“加西亚·马尔克斯”。
下面我们将利用 WeLM 的补全能力首先实现一个给猫咪取名字的功能。
在很多场景下，详细告诉 WeLM 你想要做什么任务是有帮助的。 你可以尝试在playground中输入，
给我的猫取个名字
但你会发现效果似乎不尽人意，这是因为这个任务不太常见，你需要告诉 WeLM 一些例子让它「举一反三」。
接下来我们提供几个例子给 WeLM：
给自己的猫咪取个特色的名字。
描述：美短 动漫角色
名字：哆啦
描述：英短 黑色 饮品
名字：可乐
描述：橘猫 黄色 食物
名字：
你可以再次粘贴到Playground中，你会发现这次 WeLM 返回的效果很棒，有很多名字你可以选择。这说明提供你期望的输入和输出样例有助于WeLM返回更好的结果。
如果你不完全不熟悉深度学习的概念，你主要修改的参数是 temperature，当temperature 为0，就是稳定输出同一个结果，当temperature越大，生成不同内容的可能性越发散，更多内容可以跳转至开放文档。
你可以用你熟悉的编程语言请求WeLM的API，
curl -H 'Content-Type: application/json' -H 'Authorization: Bearer your_api_token' https://welm.weixin.qq.com/v1/completions -d \
'{
"prompt":"给自己的猫咪取个特色的名字。\n\n描述：美短 动漫角色\n名字：哆啦\n描述：英短 黑色 饮品\n名字：可乐\n描述：橘猫 黄色 食物\n名字：",
"model":"xl",
"max_tokens":16,
"temperature":0.85,
"top_p":0.95,
"top_k":10,
"n":5,
"echo":false,
"stop":"\n"
}'
这里我们设置停用词（对应参数stop）为换行符"\n"，因为按照 WeLM 强大的补全能力，它可以持续的补全出多个【描述】和【名字】，"\n"可以很好的截断提取出我们需要的部分，你可以根据你的prompt格式或者内容设置其他停用词。
我们再用WeLM实现一个简单的问答程序。
按照上一个例子里学到的，你可以尝试在playground中输入，
下面我们做个问答任务
问题：二战转折点是?
回答：
此处为了答案的确定性设置参数 temperature 为0。但是我们发现答案似乎还不够正确。
接下来我们提供几个例子给 WeLM
下面我们做个问答任务
问题：百年孤独的作者是？
回答：加西亚·马尔克斯
问题：二战转折点是?
回答：
再次粘贴到Playground中，你会发现这次 WeLM 返回的结果更好了。用一个例子或者多个例子能让 WeLM 更清楚的知道它应该如何处理以及返回什么内容。
curl -H 'Content-Type: application/json' -H 'Authorization: Bearer your_api_token' https://welm.weixin.qq.com/v1/completions -d \
'{
"prompt":"下面我们做个问答任务\n\n问题：百年孤独的作者是？\n回答：加西亚·马尔克斯\n问题：二战转折点是?\n回答：",
"model":"xl",
"max_tokens":20,
"temperature":0.0,
"top_p":0.0,
"top_k":0,
"n":1,
"echo":false,
"stop":"\n"
}'
注意这里的temperature等参数设置和给猫咪取名字的程序有所不同。