联网搜索问题

crazy_functions/crazy_functions_test.py

@@ -12,7 +12,7 @@ def validate_path():
     sys.path.append(root_dir_assume)
     
 validate_path() # validate path so you can run from base directory
-
+from colorful import *
 from toolbox import get_conf, ChatBotWithCookies
 proxies, WEB_PORT, LLM_MODEL, CONCURRENT_COUNT, AUTHENTICATION, CHATBOT_HEIGHT, LAYOUT, API_KEY = \
     get_conf('proxies', 'WEB_PORT', 'LLM_MODEL', 'CONCURRENT_COUNT', 'AUTHENTICATION', 'CHATBOT_HEIGHT', 'LAYOUT', 'API_KEY')
@@ -81,9 +81,15 @@ def test_下载arxiv论文并翻译摘要():
 
 def test_联网回答问题():
     from crazy_functions.联网的ChatGPT import 连接网络回答问题
-    txt = "“我们称之为高效”是什么梗？"
-    for cookies, cb, hist, msg in 连接网络回答问题(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, web_port):
-        print(cb)
+    # txt = "“我们称之为高效”是什么梗？"               #   
+    # txt = "为什么说枪毙P社玩家没有一个冤枉的？"       #  
+    # txt = "谁是应急食品？"                          #  '根据以上搜索结果可以得知，应急食品是“原神”游戏中的角色派蒙的外号。'
+    # txt = "道路千万条，安全第一条。后面两句是？"      #  '行车不规范，亲人两行泪。'
+    # txt = "特朗普为什么被捕了？"                    #  特朗普涉嫌向一名色情片女星付“封口费”，因此被刑事起诉，随后前往纽约市出庭受审。在不同的搜索结果中，可能会有不同的具体描述和表述方式。
+    # txt = "丁仪砸了水滴之后发生了什么？"             # 丁仪用地质锤砸烂了水滴，这个行为让三体智子和其他观众们感到震惊和不解。在第1份搜索结果中，作者吐槽了一个脑洞——丁仪的破解方法是通过修炼、悟道和掌握一种新的“道”，称为“丁仪化身宇宙之道，可以轻易出现在宇宙的任何一个地方，.............
+    txt = "What is in the canister?"                # 根据搜索结果并没有找到与 Rainbow Six Siege 游戏中 Smoke 的 Canister 中装有何种物质相关的官方信息。
+    for cookies, cb, hist, msg in 连接网络回答问题(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, web_port): print(cb)
+    for i, it in enumerate(cb): print亮蓝(it[0]); print亮黄(it[1])
 
 # test_解析一个Python项目()
 # test_Latex英文润色()

crazy_functions/联网的ChatGPT.py

@@ -70,14 +70,14 @@ def 连接网络回答问题(txt, llm_kwargs, plugin_kwargs, chatbot, history, s
     history = []
 
     # ------------- < 第2步：依次访问网页 > -------------
-    max_search_result = 5
+    max_search_result = 4   # 最多收纳多少个网页的结果
     for index, url in enumerate(urls[:max_search_result]):
         res = scrape_text(url['link'], proxies)
-        history.extend([f"第{index}份搜索结果", res])
-        chatbot.append([f"第{index}份搜索结果", res])
+        history.extend([f"第{index}份搜索结果：", res])
+        chatbot.append([f"第{index}份搜索结果：", res[:500]])
         yield from update_ui(chatbot=chatbot, history=history) # 刷新界面 # 由于请求gpt需要一段时间，我们先及时地做一次界面更新
 
-    # ------------- < 第3步：综合 > -------------
+    # ------------- < 第3步：ChatGPT综合 > -------------
     i_say = f"从以上搜索结果中抽取信息，然后回答问题：{txt}"
     i_say, history = input_clipping(inputs=i_say, history=history, max_token_limit=model_info[llm_kwargs['llm_model']]['max_token']//2)
     gpt_say = yield from request_gpt_model_in_new_thread_with_ui_alive(