文档中心

说明：

• \n代表回车
• 使用时请将{input_text}、{content} 等替换成待处理的文本，大括号需要删除
• 如果希望生成的文本从中间填充，请用【MASK】代表需要希望在文本中插入的位置，最多有一个

问题生成

基于一篇文章或者一个优质的内容生成对应的问题

模版示例

说明：\代表转义，比如\n代表换行

• 输入模板示例：

# 类型1：给定答案，生成问题。 问题：[MASK]？
答案：{answer} # 类型2：给定文章与答案，生成问题。 文本：{content} 问题：[MASK] 答案：{answer}

• 其他输入模板示例：

# 类型1：给定答案，生成问题。 # 示例1:  问题：[MASK]？\n答案：{answer} # 示例2: 答案

：{answer}\n问题：[MASK]？ # 示例3: 提一个问题，使得问题答案是{answer}\n提问：[MASK]？

 # 类型2：给定文章与答案，生成问题。 # 示例1: 文本：{content}\n答案：{answer}\n问题：

[MASK] # 示例2: 基于文本和答案生成问题。文本：{content}\n答案：{answer}\n问题： # 示例3:

 "{content}"中，"{answer}"是什么问题的答案？ # 示例4: "{content}"\n针对上面的文本提一个问题，

使得问题答案是{answer}\n提问：

输入示例

说明：\代表转义，比如\n代表换行。

# 类型1：给定答案，生成问题。 answer: 在调用接口时，您需要配置一下参数。您可以按照默认的参数配置进行调用，

也可以参考以下参数描述修改某些参数的配置来满足您的特定需求。 # 类型2：给定文章与答案，生成问题。 content：
选择燃气热水器时，一定要关注这几个问题：1、出水稳定性要好，不能出现忽热忽冷的现象2、快速到达设定的需求水温

3、操作要智能、方便4、安全性要好，要装有安全报警装置 市场上燃气热水器品牌众多，购买时还需多加对比和仔细鉴别。

方太今年主打的磁化恒温热水器在使用体验方面做了全面升级：9秒速热，可快速进入洗浴模式；水温持久稳定，

不会出现忽热忽冷的现象，并通过水量伺服技术将出水温度精确控制在±0.5℃，可满足家里宝贝敏感肌肤洗护需求；

配备CO和CH4双气体报警装置更安全（市场上一般多为CO单气体报警）。另外，这款热水器还有智能WIFI互联功能，

只需下载个手机APP即可用手机远程操作热水器，实现精准调节水温，满足家人多样化的洗浴需求。当然方太的磁化

恒温系列主要的是增加磁化功能，可以有效吸附水中的铁锈、铁屑等微小杂质，防止细菌滋生，使沐浴水质更洁净

，长期使用磁化水沐浴更利于身体健康。\n问题：[MASK]\n答案：方太

拼接后的输入

# 类型1：给定答案，生成问题。 问题：[MASK]？
答案：在调用接口时，您需要配置一下参数。您可以按照默认的参数配置进行调用，也可以参考以下参数描述修改某些

参数的配置来满足您的特定需求。 # 类型2：给定文章与答案，生成问题。 文本：选择燃气热水器时，

一定要关注这几个问题：1、出水稳定性要好，不能出现忽热忽冷的现象2、快速到达设定的需求水温3、操作要智能、

方便4、安全性要好，要装有安全报警装置 市场上燃气热水器品牌众多，购买时还需多加对比和仔细鉴别。

方太今年主打的磁化恒温热水器在使用体验方面做了全面升级：9秒速热，可快速进入洗浴模式；水温持久稳定，

不会出现忽热忽冷的现象，并通过水量伺服技术将出水温度精确控制在±0.5℃，可满足家里宝贝敏感肌肤洗护需求；

配备CO和CH4双气体报警装置更安全（市场上一般多为CO单气体报警）。另外，这款热水器还有智能WIFI互联功能，

只需下载个手机APP即可用手机远程操作热水器，实现精准调节水温，满足家人多样化的洗浴需求。当然方太的磁化恒

温系列主要的是增加磁化功能，可以有效吸附水中的铁锈、铁屑等微小杂质，防止细菌滋生，使沐浴水质更洁净，

长期使用磁化水沐浴更利于身体健康。
问题：[MASK] 答案：方太

代码示例

# -*- coding: utf-8 -* import wenxin_api # 可以通过"pip install wenxin-api"命令安装 from wenxin_a

pi.tasks.text_generation import TextGeneration
wenxin_api.ak = "your ak" wenxin_api.sk = "your sk" input_dict = { "text": "文本：选择燃气热水器时，

一定要关注这几个问题：1、出水稳定性要好，不能出现忽热忽冷的现象2、快速到达设定的需求水温3、操作要智能、

方便4、安全性要好，要装有安全报警装置 市场上燃气热水器品牌众多，购买时还需多加对比和仔细鉴别。

方太今年主打的磁化恒温热水器在使用体验方面做了全面升级：9秒速热，可快速进入洗浴模式；水温持久稳定，

不会出现忽热忽冷的现象，并通过水量伺服技术将出水温度精确控制在±0.5℃，可满足家里宝贝敏感肌肤洗护需求；

配备CO和CH4双气体报警装置更安全（市场上一般多为CO单气体报警）。另外，这款热水器还有智能WIFI互联功能，

只需下载个手机APP即可用手机远程操作热水器，实现精准调节水温，满足家人多样化的洗浴需求。当然方太的

磁化恒温系列主要的是增加磁化功能，可以有效吸附水中的铁锈、铁屑等微小杂质，防止细菌滋生，使沐浴水质更洁净，

长期使用磁化水沐浴更利于身体健康。\n问题：[MASK]\n答案：方太", "seq_len": 512, "topp": 0.5,

 "min_dec_len": 1, "is_unidirectional": 0, "task_prompt": "QuestionGeneration", "penalty_t

ext": "[]{}", "min_dec_penalty_text": "", "mask_type": "word", "logits_bias": -5 } rst =

 TextGeneration.create(**input_dict) print(rst)

建议配置

# 建议配置1 { "seq_len": 512, "topp": 0.5, "min_dec_len": 1, "is_unidirectional": 0,

 "task_prompt": "QuestionGeneration", "penalty_text": "[]{}", "min_dec_penalty_text": "", 

"mask_type": "word", "logits_bias": -5 } # 建议配置2 { "seq_len": 512, "topp": 0, "min_dec_len": 

1, "is_unidirectional": 0, "task_prompt": "QuestionGeneration", "penalty_text": "[]{}",

 "min_dec_penalty_text": "", "mask_type": "word", "logits_bias": -5 } # 建议配置3 

{ "seq_len": 512, "topp": 0, "min_dec_len": 1, "is_unidirectional": 0, "task_prompt": "",

 "penalty_text": "[]{}", "min_dec_penalty_text": "", "mask_type": "word", "logits_bias": -5 }

结果示例

# 类型1的输出：给定答案，生成问题。 怎么调用接口 # 类型2的输出：给定文章与答案，生成问题。 燃气热水器哪个牌子好

作文创作

基于给定的作文题目创作出一篇作文

模版示例

说明：\代表转义，比如\n代表换行

• 输入模板示例：

作文题目：{input_text} 正文：

• 其他输入模板示例：

# 示例1: 作文题目：{input_text}\n内容： # 示例2: 请写一篇以{input_text}为标题的作文。 # 示例3: 作文标题：{input_text}\n正文：

输入示例

拔河比赛

拼接后的输入

作文题目：拔河比赛
正文：

代码示例

# -*- coding: utf-8 -* import wenxin_api # 可以通过"pip install wenxin-api"命令安装

 from wenxin_api.tasks.composition import Composition
wenxin_api.ak = "your ak" wenxin_api.sk = "your sk" input_dict = { "text": "作文题目：拔河比赛\n正文：

", "seq_len": 512, "topp": 0.9, "penalty_score": 1.2, "min_dec_len": 128, "is_unidirectional":

 0, "task_prompt": "zuowen" } rst = Composition.create(**input_dict) print(rst)

建议配置

# 建议配置1 { "seq_len": 512, "topp": 0.9, "penalty_score": 1.2, "min_dec_len": 128, "is_unidi

rectional": 0, "task_prompt": "zuowen" } # 建议配置2 { "seq_len": 1000, "topp": 0.5, "penalty_

score": 1.2, "min_dec_len": 128, "is_unidirectional": 0, "task_prompt": "zuowen" } # 建议配置3 

{ "seq_len": 512, "topp": 0.9, "penalty_score": 1.15, "min_dec_len": 2,

 "is_unidirectional": 0, "task_prompt": "zuowen" }

结果示例

今天下午，阳光灿烂。我们全体同学兴高采烈地来到运动场观看拔河比赛。只见参加比赛的队伍有四支：

三、五、六年级的哥哥姐姐组成的一支队伍；还有以前很少举行比赛的光华与太平街小学组成的二支队伍。

两支强手狭路相逢，不知谁会更胜一筹呢？随着裁判的哨声响起，两边拉开了架势准备比赛。两位“大力士”

站在绳中央，摆出了射箭姿态——身子稍向后倾，深呼吸，挺直腰杆儿，精神抖擞…… 这时，观众席上传来

一阵热烈的掌声，原来他们为自己喜欢的队伍助威呐喊！过了半晌，参加比赛的同学像猛虎下山似的冲向终点线。

比分是六年级零比三败给了三、五年级；光华与太平街小学二比二打平。两队争先恐后。

第七局是决定胜负的最后一战，双方都派出强将顶住压力，信心十足，牙齿咬得“咯吱咯吱”作响！

顿时大家更使出浑身解数，使上自己的吃奶劲儿。在观众台周围，许多叔叔阿姨爷爷奶奶们拿着饮料瓶前来助威，

给运动员洒水降温，让他们全身湿透了才回去，并说：“你们真棒！”拉拉队们发挥团结协作能力，相互鼓励。

终于，三、五年级获胜啦！为本次活动画上了圆满的句号。我暗暗想，等比赛再多一些就好了，那我一定要参加。

文案创作

基于给定的产品标题（可包含产品属性）创作出一篇吸引人的广告文案

模版示例

说明：\代表转义，比如\n代表换行

• 输入模板示例：

# 示例1：基于产品标题生成文案。 标题：{input_text} 文案： # 示例2：基于产品属性生成文案。 产品属性：{input_text} 文案：

• 其他输入模板示例：

# 示例1： 产品标题：{input_text}\n产品描述： # 示例2： 产品标题：{input_text}\n产品文案： 

# 示例3： 标题：{input_text}\n请写出针对上述产品的广告： # 示例4： 产品属性：{input_text}\

n根据上述产品属性生成产品文案： # 示例5： 产品属性：{input_text}\n文案： # 示例6： 属性：{input_text}\n产品描述：

输入示例

# 示例1：基于产品标题生成文案。 芍药香氛的沐浴乳 # 示例2：基于产品属性生成文案。 类型:裤。

版型:宽松;裤型:阔腿裤|版型:宽松|材质|图案:线条;风格:性感|颜色,风格

拼接后的输入

# 示例1：基于产品标题生成文案。 标题：芍药香氛的沐浴乳
文案： # 示例2：基于产品属性生成文案。 产品属性：类型:裤。版型:宽松;裤型:阔腿裤|版型:宽松|材质|图案:线条;风格:性感|颜色,风格
文案：

代码示例

# -*- coding: utf-8 -* import wenxin_api # 可以通过"pip install wenxin-api"命令安装

 from wenxin_api.tasks.official_documents import OfficialDocuments
wenxin_api.ak = "your ak" wenxin_api.sk = "your sk" input_dict = {

 "text": "标题：芍药香氛的沐浴乳\n文案：", "seq_len": 512, "topp": 0.9, "penalty_score":

 1.2, "min_dec_len": 32, "is_unidirectional": 0, "task_prompt": "adtext" }

 rst = OfficialDocuments.create(**input_dict) print(rst)

建议配置

# 建议配置1 { "seq_len": 512, "topp": 0.9, "penalty_score": 1.2, "min_dec_len": 32, 

"is_unidirectional": 0, "task_prompt": "adtext" } # 建议配置2 { "seq_len": 512, "topp": 

0.5, "penalty_score": 1.2, "min_dec_len": 2, "is_unidirectional": 0, "task_prompt":

 "adtext" } # 建议配置3 { "seq_len": 512, "topp": 0.3, "penalty_score": 1.2, "min_dec_

len": 2, "is_unidirectional": 0, "task_prompt": "adtext" }

结果示例

# 示例1：基于产品标题生成文案。 高贵芍药香氛沐浴露，低泡温和更滋润。可在身上长久的留下淡雅花香，

如同刚刚摘下来一般保湿舒缓，味道恬静安神，质地轻薄易冲洗更是方便！ # 示例2：基于产品属性生成文案。

 一款简单宽松的阔腿裤，没有太多多余的设计元素。 宽松挺括的裤型，包容腿型的不足，分分钟打造笔直大长腿。

 丝滑舒适的面料，透气性强。 腰部微微收紧，凸显迷人线条，性感撩人。 利用颜色的对比，简单的风格，体现极高的设计水平。

文本摘要

基于给定的长文本，归纳总结其核心内容，得到其摘要或者标题

模版示例

说明：\代表转义，比如\n代表换行

• 输入模板示例：

新闻：{input_text} 摘要：

• 其他输入模板示例：

# 标题生成： # 示例1: 请给下面这段话取一个标题："{input_text}" # 示例2: 如果给下面这段话

"{input_text}"\n取一个标题，你会写： # 示例3: "{input_text}"\n给这段话一个合适的标题：

 # 示例4: 文章："{input_text}"\n标题： # 示例5: 给下面这段话写一个简短的标题：{input_text}\n回答：

 # 摘要生成： # 示例1: 请给下面这段话写一句摘要："{input_text}" # 示例2: {input_text}\n一

句话概括上面的段落： # 示例3: {input_text}\n简而言之，就是： # 示例4: 文章：{input_text}\n一

句话总结一下： # 示例5: 一句话写出下面段落的大意。{input_text}\n回答：

输入示例

外媒7月18日报道，阿联酋政府当日证实该国将建设首个核电站，以应对不断上涨的用电需求。分析称阿联酋

作为世界第三大石油出口国，更愿意将该能源用于出口，而非发电。首座核反应堆预计在2017年运行。cntv李婉然编译报道

拼接后的输入

新闻：外媒7月18日报道，阿联酋政府当日证实该国将建设首个核电站，以应对不断上涨的用电需求。

分析称阿联酋作为世界第三大石油出口国，更愿意将该能源用于出口，而非发电。首座核反应堆预计在2017年运行。cntv李婉然编译报道
摘要：

代码示例

# -*- coding: utf-8 -* import wenxin_api # 可以通过"pip install wenxin-api"命令安装 

from wenxin_api.tasks.summarization import Summarization
wenxin_api.ak = "your ak" wenxin_api.sk = "your sk" input_dict = { "text": "文章：

外媒7月18日报道，阿联酋政府当日证实该国将建设首个核电站，以应对不断上涨的用电需求。

分析称阿联酋作为世界第三大石油出口国，更愿意将该能源用于出口，而非发电。首座核反应堆预计在2017年运行。

cntv李婉然编译报道\n摘要：", "seq_len": 512, "topp": 0.5, "penalty_score": 1.0, "min_dec_len":

 4, "is_unidirectional": 0, "task_prompt": "Summarization" } rst = Summarization.create(**input_dict) print(rst)

建议配置

# 建议配置1 { "seq_len": 512, "topp": 0.5, "penalty_score": 1.0, "min_dec_len": 4, 

"is_unidirectional": 0, "task_prompt": "Summarization" } # 建议配置2 { "seq_len": 128, 

"topp": 0.5, "penalty_score": 1.0, "min_dec_len": 4, "is_unidirectional": 0, "task_prompt":

 "Summarization" } # 建议配置3 { "seq_len": 128, "topp": 0.3, "penalty_score": 1.0, "min_

dec_len": 4, "is_unidirectional": 0, "task_prompt": "Summarization" }

结果示例

阿联酋将建首座核电站

对对联

基于给定的上联，生成相关联的下联

模版示例

说明：\代表转义，比如\n代表换行

• 输入模板示例

# 示例1: 上联：{input_text} 下联：

• 其他输入模板示例：

# 示例1: 对对联：{input_text}\n # 示例2: {input_text}\n下一句：

输入示例

五湖四海皆春色

拼接后的输入

上联：五湖四海皆春色
下联：

代码示例

# -*- coding: utf-8 -* import wenxin_api # 可以通过"pip install wenxin-api

"命令安装 from wenxin_api.tasks.couplet import Couplet
wenxin_api.ak = "your ak" wenxin_api.sk = "your sk" input_dict = { "text": 

"上联：五湖四海皆春色\n下联：", "seq_len": 512, "topp": 0.9, "penalty_score": 1.0,

"min_dec_len": 2, "is_unidirectional": 0, "task_prompt": "couplet" }

 rst = Couplet.create(**input_dict) print(rst)

建议配置

# 建议配置1 { "seq_len": 512, "topp": 0.9, "penalty_score": 1.0, "min_dec_len": 2,

 "is_unidirectional": 0, "task_prompt": "couplet" } # 建议配置2 { "seq_len": 512,

 "topp": 0.5, "penalty_score": 1.0, "min_dec_len": 2, "is_unidirectional": 0, 

"task_prompt": "couplet" } # 建议配置3 { "seq_len": 512, "topp": 0.3, "penalty_score":

 1.0, "min_dec_len": 2, "is_unidirectional": 0, "task_prompt": "couplet" }

结果示例

万水千山尽得辉

自由问答

基于给定的问题，生成问题对应的答案

模版示例

说明：\代表转义，比如\n代表换行

• 输入模板示例：

问题：{input_text} 回答：

• 其他输入模板示例：

# 示例1: 问题：{input_text}\n答案： # 示例2: 请问：{input_text}\n # 示例3: {input_text}\n请回答这个问题。

输入示例

交朋友的原则是什么？

拼接后的输入

问题：交朋友的原则是什么？
回答：

代码示例

# -*- coding: utf-8 -* import wenxin_api # 可以通过"pip install wenxin-api"

命令安装 from wenxin_api.tasks.free_qa import FreeQA

wenxin_api.ak = "your ak" wenxin_api.sk = "your sk" input_dict = { "text": "问题：

交朋友的原则是什么？\n回答：", "seq_len": 512, "topp": 0.5, "penalty_score": 1.2, 

"min_dec_len": 2, "min_dec_penalty_text": "。?：！", "is_unidirectional": 0, "tas

k_prompt": "qa", "mask_type": "word" } rst = FreeQA.create(**input_dict) print(rst)

建议配置

# 建议配置1 { "seq_len": 512, "topp": 0.5, "penalty_score": 1.2, "min_dec_len": 2, "

min_dec_penalty_text": "。?：！", "is_unidirectional": 0, "task_prompt": "qa", "mask_t

ype": "word" } # 建议配置2 { "seq_len": 256, "topp": 0.3, "penalty_score": 1.2, "min_de

c_len": 2, "min_dec_penalty_text": "。?：！", "is_unidirectional": 0, "task_prompt": 

"qa", "mask_type": "word" } # 建议配置3 { "seq_len": 128, "topp": 0.3, "penalty_score": 

1.2, "min_dec_len": 2, "is_unidirectional": 0, "task_prompt": "adtext" }

结果示例

真诚，平等。你要看他是否有上进心，或者说能不能给你带来利益，再就是交朋友的原则了！我觉得这样挺好的，

真实一点比较好。只有自己知道怎么做才会更加快乐。其实最重要的还是看那个人对待你的态度和方式吧。

如果你在乎她，她也在乎你，你们之间都相互尊重、理解、包容、体谅的话，应该可以成为很好的朋友。

但是前提是，两个人必须都愿意把彼此当作真正的朋友，并且愿意付出努力去经营这段关系。毕竟感情是需要

用心去维护的，而不是单纯地通过物质条件所能获取的。我认为人与人之间的相处贵在真诚,

所谓君子之交淡如水.希望你找到属于你的幸福!

小说续写

基于给定的小说上文进行续写

模版示例

直接续写，无模板

输入示例

昆仑山可以说是天下龙脉的根源，所有的山脉都可以看作是昆仑的分支。这些分出来的枝枝杈杈，都可以看作是一条条独立的龙脉。

代码示例

# -*- coding: utf-8 -* import wenxin_api # 可以通过"pip install wenxin-api"

命令安装 from wenxin_api.tasks.novel import Novel
wenxin_api.ak = "your ak" wenxin_api.sk = "your sk" input_dict = { "text": "昆仑山可以说是天下龙脉的根源，

所有的山脉都可以看作是昆仑的分支。这些分出来的枝枝杈杈，都可以看作是一条条独立的龙脉。", "seq_len": 512,

 "topp": 0.9, "penalty_score": 1.2, "min_dec_len": 16, "min_dec_penalty_text": "。?：！",

 "is_unidirectional": 1, "mask_type": "word", "task_prompt": "novel", "logits_bias": "-5

" } rst = Novel.create(**input_dict) print(rst)

建议配置

# 建议配置1 { "seq_len": 512, "topp": 0.9, "penalty_score": 1.2, "min_dec_len": 16, "min_d

ec_penalty_text": "。?：！", "is_unidirectional": 1, "mask_type": "word", "task_prompt": 

"novel", "logits_bias": "-5" } # 建议配置2 { "seq_len": 512, "topp": 0.5, "penalty_score

": 1.2, "min_dec_len": 4, "min_dec_penalty_text": "。?：！", "is_unidirectional": 1, 

"mask_type": "word", "task_prompt": "novel", "logits_bias": "-5" } # 建议配置3 { 

"seq_len": 512, "topp": 0.3, "penalty_score": 1.2, "min_dec_len": 4, "min_dec_penalty

_text": "。?：！", "is_unidirectional": 1, "mask_type": "word",

 "task_prompt": "novel", "logits_bias": "-5" }

结果示例

其中最为重要的，还是昆仑山脉西北方向的三大支脉： 玉龙、雅鲁藏布江以及雅砻河。这些才是昆仑正宗所在。

虽然有一部分因为时间太长而渐渐沉寂于地下，但依旧能够依稀辨别出他们当年的样貌和痕迹。

也足见多少万年过去了，他们都不曾丢失自己的根源与精髓！

补全文本

基于上下文与用户指定位置，补全内容，使得文本完整、通顺

模版示例

{input_text_left}[MASK]{input_text_right}

输入示例

#示例1: input_text_left: 她有着一双 #示例2: input_text_right: 的眼眸。

拼接后的输入

她有着一双[MASK]的眼眸。

代码示例

# -*- coding: utf-8 -* import wenxin_api # 可以通过"pip install wenxin-api"

命令安装 from wenxin_api.tasks.cloze import Cloze
wenxin_api.ak = "" wenxin_api.sk = "" input_dict = { "text": "她有着一双[MASK]的眼眸。", 

"seq_len": 512, "topp": 0.3, "penalty_score": 1.2, "min_dec_len": 2, "is_unidirectional":

 0, "task_prompt": "cloze" } rst = Cloze.create(**input_dict) print(rst)

建议配置

# 建议配置1 { "seq_len": 512, "topp": 0.3, "penalty_score": 1.2, "min_dec_len": 2,

 "is_unidirectional": 0, "task_prompt": "cloze" } # 建议配置2 { "seq_len": 512, 

"topp": 0.5, "penalty_score": 1.2, "min_dec_len": 2, "is_unidirectional": 0,

 "task_prompt": "cloze" } # 建议配置3 { "seq_len": 512, "topp": 0.9, "penalty_score

": 1.2, "min_dec_len": 2, "is_unidirectional": 0, "task_prompt": "cloze" }

结果示例

深邃

古诗创作

给定诗词题目，创作出相关的诗词

模版示例

• 输入示例模板

诗词题目：{input_text}。作者：无。诗词内容：

• 其他输入示例模板：

诗词题目：{input_text}。诗词内容

输入示例

燕燕

拼接后的输入

诗词题目：燕燕。作者：无。诗词内容：

代码示例

# -*- coding: utf-8 -* import wenxin_api # 可以通过"pip install wenxin-api"

命令安装 from wenxin_api.tasks.text_generation import TextGeneration
wenxin_api.ak = "your ak" wenxin_api.sk = "your sk" input_dict = { "text": "诗词题目：燕燕。

作者：无。诗词内容：", "seq_len": 512, "topp": 0.5, "min_dec_len": 3, "is_unidirectional":

 0, "task_prompt": "poetry", "min_dec_penalty_text": "。?：！", "penalty_text": "[]{}",

 "mask_type": "word", "logits_bias": -5 } rst = TextGeneration.create(**input_dict) print(rst)

建议配置

# 建议配置1 { "seq_len": 512, "topp": 0.5, "min_dec_len": 3, "is_unidirectional": 0, 

"task_prompt": "poetry", "min_dec_penalty_text": "。?：！", "penalty_text": "[]{}", 

"mask_type": "word", "logits_bias": -5 } # 建议配置2 { "seq_len": 512, "topp": 0.3,

 "min_dec_len": 3, "is_unidirectional": 0, "task_prompt": "poetry", "min_dec_penalty

_text": "。?：！", "penalty_text": "[]{}", "mask_type": "word", "logits_bias": -5 }

 # 建议配置3 { "seq_len": 512, "topp": 0.3, "min_dec_len": 3, "is_unidirectional":

 0, "task_prompt": "", "min_dec_penalty_text": "。?：！", "penalty_text": "[]{}",

"mask_type": "word", "logits_bias": -5 }

结果示例

燕燕于飞。差池其羽。之子于归。远送于野。瞻望弗及。实劳我心。仲氏任只。其心塞渊。终温且惠。淑慎其身。先君之思。以勖寡人。

同义改写

改写一个文本，使生成的文本在字面上与原始有区别，但语义上相同

模版示例

说明：\代表转义，比如\n代表换行。

• 输入模版示例：

\"{input_text}\"换种表达，意思不变：

• 其他输入模版示例：

# 示例1: "{input_text}"换句话说就是： # 示例2: 用自己的话改写下面的文本：{input_text} #

 示例3: "{input_text}"意思是： # 示例4: 原句：{input_text}同义改写： # 示例5: "{input_text}

"，换句话可以说： # 示例6: "{input_text}"的另一种说法是： # 示例7: 给"{input_text}"换种说法：

 # 示例8: "{input_text}"换个说法，可以是： # 示例9: 改写"{input_text}"，但不改变它的意思：

输入示例

巩义桶装水电话号码

拼接后的输入

\"巩义桶装水电话号码\"换种表达，意思不变：

代码示例

# -*- coding: utf-8 -* import wenxin_api # 可以通过"pip install wenxin-api"命令安装

 from wenxin_api.tasks.text_generation import TextGeneration
wenxin_api.ak = "your ak" wenxin_api.sk = "your sk" input_dict = { "text": "\"巩义桶装水

电话号码\"换种表达，意思不变：", "seq_len": 512, "topp": 0.5, "min_dec_len": 2,

 "is_unidirectional": 0, "task_prompt": "Paraphrasing", "min_dec_penalty_text": "。?

：！", "penalty_text": "[]{}", "mask_type": "word", "logits_bias": -5

} rst = TextGeneration.create(**input_dict) print(rst)

建议配置

# 建议配置1 { "seq_len": 512, "topp": 0.5, "min_dec_len": 2, "is_unidirectional": 

0, "task_prompt": "Paraphrasing", "min_dec_penalty_text": "。?：！", "penalty_text": 

"[]{}", "mask_type": "word", "logits_bias": -5 } # 建议配置2 { "seq_len": 512, "topp": 

0.3, "min_dec_len": 2, "is_unidirectional": 0, "task_prompt": "Paraphrasing", "min_d

ec_penalty_text": "。?：！", "penalty_text": "[]{}", "mask_type": "word", "logits_bias

": -5 } # 建议配置3 { "seq_len": 512, "topp": 0.3, "min_dec_len": 2, "is_unidirectiona

l": 0, "task_prompt": "", "min_dec_penalty_text": "。?：！", "penalty_text": "[]{}",

 "mask_type": "word", "logits_bias": -5 }

结果示例

巩义桶装水联系方式

文本纠错

修改原句中的错别字

模版示例

说明：\代表转义，比如\n代表换行。

• 输入模版示例：

改正下面文本中的错误："{input_text}" 

• 其他输入模版示例：

# 示例1: {input_text}\n请纠正文本中的错误： # 示例3: 文本：{input_text}\n校对结果：

 # 示例4: "{input_text}" 上述文本中有错，请改正： # 示例5: 请校对"{input_text}" 

中的错误： # 示例6: 校对下面的文本："{input_text}"结果： # 示例7: "{input_text}

"纠正上述文本中的错别字： # 示例8: 校正错别字："{input_text}" # 示例9: "{input_t

ext}" 错别字校正： # 示例10: "{input_text}" 中有错别字，请改正：

输入示例

沿路主要城市有：上海－苏骤－无锡－常州－镇江－南京－合遂肥－六安－麻城－武汉－孝感－荆门－

宜昌－万州－点江－邻水－华－广安－岳池－南充－遂宁－成都镇。

拼接后的输入

改正下面文本中的错误："沿路主要城市有：上海－苏骤－无锡－常州－镇江－南京－合遂肥

－六安－麻城－武汉－孝感－荆门－宜昌－万州－点江－邻水－华－广安－岳池－南充－遂宁－成都镇。"

代码示例

# -*- coding: utf-8 -* import wenxin_api # 可以通过"pip install wenxin-api

"命令安装 from wenxin_api.tasks.text_generation import TextGeneration
wenxin_api.ak = "your ak" wenxin_api.sk = "your sk" input_dict = { "text": "

改正下面文本中的错误：\"沿路主要城市有：上海－苏骤－无锡－常州－镇江－南京－合遂

肥－六安－麻城－武汉－孝感－荆门－宜昌－万州－点江－邻水－华－广安－岳池－南充－

遂宁－成都镇。\" ", "seq_len": 512, "topp": 0.5, "min_dec_len": 2, "is_unidire

ctional": 0, "task_prompt": "Correction", "min_dec_penalty_text": "。?：！", "

penalty_text": "[]{}", "mask_type": "word", "logits_bias": -5 } rst = Tex

tGeneration.create(**input_dict) print(rst)

建议配置

# 建议配置1 { "seq_len": 512, "topp": 0.5, "min_dec_len": 2, "is_unidirectional": 0,

 "task_prompt": "Correction", "min_dec_penalty_text": "。?：！", "penalty_text": "[]{}",

 "mask_type": "word", "logits_bias": -5 } # 建议配置2 { "seq_len": 512, "topp": 0.3, 

"min_dec_len": 2, "is_unidirectional": 0, "task_prompt": "Correction", "min_dec_penalty

_text": "。?：！", "penalty_text": "[]{}", "mask_type": "word", "logits_bias": -5 }

 # 建议配置3 { "seq_len": 512, "topp": 0.3, "min_dec_len": 2, "is_unidirectional": 

0, "task_prompt": "", "min_dec_penalty_text": "。?：！", "penalty_text": "[]{}",

 "mask_type": "word", "logits_bias": -5 }

结果示例

沿路主要城市有：上海－苏州－无锡－常州－镇江－南京－合肥－六安－麻城－武汉－孝感－

荆门－宜昌－万州－垫江－邻水－华蓥－广安－岳池－南充－遂宁－成都。

Text2SQL

给予给定的自然语言描述，生成对应的SQL结构化语句

模版示例

说明：\代表转义，比如\n代表换行。

• 输入模板示例：

{input_text}\n上述问题转换成SQL语句是：

• 其他输入模板示例：

# 示例1: 问题：{input_text}\n请用SQL表示上面的问题。SQL： # 示例2: 问题：{input_text}\

n把这个问题转化成SQL语句： # 示例3: 请写出下述问题对应的SQL语句。问题：{input_text}\nSQL：

 # 示例4: 用SQL表示下述问题：{input_text}\n # 示例5: 把"{input_text}"写成SQL形式是： 

# 示例6: 把问题翻译成SQL语句。问题：{input_text}\n翻译： # 示例7: 由问题"{input_text}

生成SQL查询语句: # 示例8: 问题：{input_text}\n把上述问题表示成SQL语句： # 示例9

: 如果把"{input_text}"表示成SQL形式，可以写成：

输入示例

在各届金曲奖提名名单中，给出每一位提名的歌手和其所出专辑的数量，其获得提名的金曲奖以及提名的奖项

拼接后的输入

在各届金曲奖提名名单中，给出每一位提名的歌手和其所出专辑的数量，其获得提名的金曲奖以及提名的奖项\n上述问题转换成SQL语句是：

代码示例

# -*- coding: utf-8 -* import wenxin_api # 可以通过"pip install wenxin-api"命令安装 

from wenxin_api.tasks.text_generation import TextGeneration
wenxin_api.ak = "your ak" wenxin_api.sk = "your sk" input_dict = { "text": "在各届金曲

奖提名名单中，给出每一位提名的歌手和其所出专辑的数量，其获得提名的金曲奖以及提名的奖项\n

上述问题转换成SQL语句是：", "seq_len": 512, "topp": 0.5, "min_dec_len": 2, "is_unidi

rectional": 0, "task_prompt": "Text2SQL", "min_dec_penalty_text": "。?：！", "penal

ty_text": "", "mask_type": "word", "logits_bias": 0 } rst = TextGeneration.c

reate(**input_dict) print(rst)

建议配置

# 建议配置1 { "seq_len": 512, "topp": 0.5, "min_dec_len": 2, "is_unidirectional": 0, 

"task_prompt": "Text2SQL", "min_dec_penalty_text": "。?：！", "penalty_text": "", "ma

sk_type": "word", "logits_bias": 0 } # 建议配置2 { "seq_len": 512, "topp": 0.3, "min

_dec_len": 2, "is_unidirectional": 0, "task_prompt": "Text2SQL", "min_dec_penalty_te

xt": "。?：！", "penalty_text": "", "mask_type": "word", "logits_bias": 0 } # 建议配置3 

{ "seq_len": 512, "topp": 0.3, "min_dec_len": 2, "is_unidirectional": 0, "task_prompt":

 "", "min_dec_penalty_text": "。?：！", "penalty_text": "", "mask_type": "word", "logits_bias": 0 }

结果示例

select T3.姓名, T3.专辑数量, T2.名称, T1.奖项名称 from 金曲奖提名名单 as T1 join 各届金曲奖 as T2 jo

in 歌手 as T3 on 金曲奖提名名单.奖届 id==各届金曲奖.词条 id and 金曲奖提名名单.提名歌手 id==歌手.词条 id

文本匹配

判断给定的两句话是否为同一个意思

模版示例

说明：\代表转义，比如\n代表换行。

• 输入模版示例：

如果"{input_text_a}" 那么"{input_text_b}"上面的说法成立还是不成立？

• 其他输入模版示例：

# 示例1: 说"{input_text_a}"是不是就等于说"{input_text_b}"？ # 示例2: "{input_text_a}"是不是

相当于"{input_text_b}"？ # 示例3: "{input_text_a}"和"{input_text_b}"是不是一个意思？ # 示例4: 

下面这两个句子"{input_text_a}"和"{input_text_b}"说的是一个意思吗？ # 示例5: "{input_text_a}"

和"{input_text_b}"这两个句子是一个意思，对吗？ # 示例6: 问题："{input_text_a}"和"{input_text_

b}"表达的意思相同，对吗？回答： # 示例7: 下面这两个句子"{input_text_a}"和"{input_text_b}"的语

义相同吗？ # 示例8: "{input_text_a}"和"{input_text_b}"意思相同吗？ # 示例9: 下面两个句子：

"{input_text_a}"和"{input_text_b}"是不是同义？

输入示例

# 示例1: input_text_a: 健全国家安全体系 # 示例2: input_text_b: 国家安全体系需要健全

拼接后的输入

如果"健全国家安全体系" 那么"国家安全体系需要健全"上面的说法成立还是不成立？

代码示例

# -*- coding: utf-8 -* import wenxin_api # 可以通过"pip install wenxin-api"命令安装

 from wenxin_api.tasks.text_generation import TextGeneration
wenxin_api.ak = "your ak" wenxin_api.sk = "your sk" input_dict = { "text": "如果\"

健全国家安全体系\" 那么\"国家安全体系需要健全\"上面的说法成立还是不成立？", "seq_len": 512,

"topp": 0, "min_dec_len": 2, "is_unidirectional": 0, "task_prompt": "SemanticMatching", 

"min_dec_penalty_text": "", "penalty_text": "", "mask_type": "word", "logits_bias": 0 }

 rst = TextGeneration.create(**input_dict) print(rst)

建议配置

# 建议配置1 { "seq_len": 512, "topp": 0, "min_dec_len": 2, "is_unidirectional": 0, "

task_prompt": "SemanticMatching", "min_dec_penalty_text": "", "penalty_text": "", "

mask_type": "word", "logits_bias": 0 } # 建议配置2 { "seq_len": 512, "topp": 0, "min_d

ec_len": 1, "is_unidirectional": 0, "task_prompt": "SemanticMatching", "mask_type": 

"word", } # 建议配置3 { "seq_len": 512, "topp": 0, "min_dec_len": 1, "is_unidirectional

": 0, "task_prompt": "", "mask_type": "word", }

结果示例

成立

情感分析

给定一段文本，判断该文本的情感倾向

模版示例

说明：\代表转义，比如\n代表换行。

• 输入模版示例：

下面是好评还是差评？\n"{input_text}"

• 其他输入模版示例：

# 示例1: "{input_text}"这是好评吗？ # 示例2: 下面这是差评吗？"{input_text}" # 

示例3: "{input_text}"从上面的评论来看，产品让人满意吗？ # 示例4: 下面评论里提到的

产品值得买吗？"{input_text}" # 示例5: "{input_text}"从上面的文本可以看出评价者的态

度是喜欢还是不喜欢？ # 示例6: 下面这个评价是正面还是负面的？{input_text} # 示例7: 

"{input_text}"是夸奖还是吐槽？ # 示例8: 从"{input_text}"看出买家是满意还是不满意？

 # 示例9: "{input_text}"看到这个评价，你会下单吗？

输入示例

希望大家也能像我一样，每家酒店都能尝试的住一下，因为每个酒店都各有特色

拼接后的输入

下面是好评还是差评？\n"希望大家也能像我一样，每家酒店都能尝试的住一下，因为每个酒店都各有特色"

代码示例

# -*- coding: utf-8 -* import wenxin_api # 可以通过"pip install wenxin-api"

命令安装 from wenxin_api.tasks.text_generation import TextGeneration
wenxin_api.ak = "your ak" wenxin_api.sk = "your sk" input_dict = { "text": "

下面是好评还是差评？\n\"希望大家也能像我一样，每家酒店都能尝试的住一下，因为每个酒

店都各有特色\"", "seq_len": 512, "topp": 0, "min_dec_len": 2, "is_unidirection

al": 0, "task_prompt": "SentimentClassification", "min_dec_penalty_text": "", "

penalty_text": "", "mask_type": "word", "logits_bias": 0 } rst = TextGeneratio

n.create(**input_dict) print(rst)

建议配置

# 建议配置1 { "seq_len": 512, "topp": 0, "min_dec_len": 2, "is_unidirectional": 0, 

"task_prompt": "SentimentClassification", "min_dec_penalty_text": "", "penalty_text

": "", "mask_type": "word", "logits_bias": 0 } # 建议配置2 { "seq_len": 512, "topp

": 0, "min_dec_len": 1, "is_unidirectional": 0, "task_prompt": "SentimentClassific

ation", "mask_type": "word", } # 建议配置3 { "seq_len": 512, "topp": 0, "min_dec_len

": 1, "is_unidirectional": 0, "task_prompt": "", "mask_type": "word", }

结果示例

好评

信息抽取

给定一段文本，抽取文本中相关实体、事件或者关系

模版示例

说明：\代表转义，比如\n代表换行。

• 输入模版示例：

{content}。问题：{question}？回答：

• 其他输入模版示例：

# 示例1: {input_text}\n实体与关系标注为： # 示例2: {input_text}\n该句的命名实体标注为： # 示例3: {input_text}\n文中的实体为：

输入示例

content: 尤卡坦啄木鸟是啄木鸟科、啄木鸟属的一种攀禽，生活在中美洲丛林中。
question: 尤卡坦啄木鸟的属是

拼接后的输入

尤卡坦啄木鸟是啄木鸟科、啄木鸟属的一种攀禽，生活在中美洲丛林中。问题：尤卡坦啄木鸟的属是？回答：

代码示例

# -*- coding: utf-8 -* import wenxin_api # 可以通过"pip install wenxin-api"

命令安装 from wenxin_api.tasks.text_generation import TextGeneration

wenxin_api.ak = "your ak" wenxin_api.sk = "your sk" input_dict = { "text": "尤

卡坦啄木鸟是啄木鸟科、啄木鸟属的一种攀禽，生活在中美洲丛林中。问题：尤卡坦啄木鸟的属

是？回答：", "seq_len": 512, "topp": 0, "min_dec_len": 2, "is_unidirectional":

 0, "task_prompt": "QA_MRC", "min_dec_penalty_text": "。?：！", "penalty_text"

: "", "mask_type": "word", "logits_bias": -5 } rst = TextGeneration.create(**input_dict) print(rst)

建议配置

# 建议配置1 { "seq_len": 512, "topp": 0, "min_dec_len": 2, "is_unidirectional": 0, 

"task_prompt": "QA_MRC", "min_dec_penalty_text": "。?：！", "penalty_text": "",

 "mask_type": "word", "logits_bias": -5 } # 建议配置2 { "seq_len": 512, "topp": 0,

 "min_dec_len": 2, "is_unidirectional": 0, "task_prompt": "QA_MRC", "mask_type": "w

ord", } # 建议配置3 { "seq_len": 512, "topp": 0, "min_dec_len": 2, "is_unidirectiona

l": 0, "task_prompt": "", "mask_type": "word", }

结果示例

啄木鸟属