您的位置: 首页> Java源码

百度智能云模型接入

匿名上传

发布时间:2026-02-25 18:42:01

快速使用

创建应用
创建API Key
文档

创建应用 / 创建 API Key

文档

java文档地址

大模型接入

SpringBoot 版本 2.7.10 可以使用

<dependency>
    <groupId>com.openai</groupId>
    <artifactId>openai-java</artifactId>
    <version>4.19.0</version>
    <scope>compile</scope>
</dependency>

入门案例/参数讲解

官方文档 cloud.baidu.com/doc/qianfan…

public static void main(String[] args) {

    OpenAIClient client = OpenAIOkHttpClient.builder()
            .apiKey("bce-v3/8")
            //千帆ModelBuilder平台地址
            .baseUrl("https://qianfan.baidubce.com/v2/").build();

    ChatCompletionCreateParams params = ChatCompletionCreateParams.builder()
            .addUserMessage("你好")
            .model("ernie-5.0-thinking-preview")
            // 输出格式设置为JSON输出
            .responseFormat(ChatCompletionCreateParams.ResponseFormat
                    .ofJsonObject(ResponseFormatJsonObject.builder().build()))
            // 
            .build();

    ChatCompletion chatCompletion = client.chat().completions().create(params);
    System.out.println(chatCompletion.choices().get(0).message().content());
}

ChatCompletionCreateParams params = ChatCompletionCreateParams.builder()
            // 单个对话
            .addUserMessage(msg)
            // 多轮对话
            .model("ernie-5.0-thinking-preview")
            // 值越小，每次回答越相同，值越大，每次回答越随机
            .temperature(1.9)
            // 值越大，回答的越大胆，越小越谨慎
            .topP(1.0)
//                .penalty() 非原方法，一般不指定，控制惩罚系数
            // 控制最大token，一般不需要，模型是有的
//                .maxCompletionTokens(1024)
            // 输出格式设置为JSON输出，就算设置了，也有可能不生效
            .responseFormat(ChatCompletionCreateParams.ResponseFormat
                    .ofJsonObject(ResponseFormatJsonObject.builder().build()))
            .build();

设计Prompt

角色：给 AI 定义一个最匹配任务的角色，比如：「你是一位软件工程师」「你是一位小学老师」
指示：对任务进行描述
上下文：给出与任务相关的其它背景信息（尤其在多轮交互中）
例子：必要时给出举例，[实践证明例子对输出正确性有帮助]
输入：任务的输入信息；在提示词中明确的标识出输入
输出：输出的格式描述，以便后继模块自动解析模型的输出结果，比如（JSON、Java）

设计之后的Prompt提示词，这里涉及了大量的专业名词和健康指标，实际开发中需要找产品经理协助

请以一个专业医生的视角来分析这份体检报告，报告中包含了一些异常数据，我需要您对这些数据进行解读，并给出相应的健康建议。
体检内容如下：
    内容略....

要求：
1. 提取体检报告中的“总检日期”；
2. 通过临床医学、疾病风险评估模型和数据智能分析，给该用户的风险等级和健康指数给出结果。风险等级分为：健康、提示、风险、危险、严重危险。健康指数范围为0至100分；
3. 根据用户身体各项指标数据，详细说明该用户各项风险等级的占比是多少，最多保留两位小数。结论格式：该用户健康占比20.00%，提示占比20.00%，风险占比20%，危险占比20%，严重危险占比20%；
4. 对于体检报告中的异常数据，请列出（异常数据的结论、体检项目名称、检查结果、参考值、单位、异常解读、建议）这7字段。解读异常数据，解决这些数据可能代表的健康问题或风险。分析可能的原因，包括但不限于生活习惯、饮食习惯、遗传因素等。基于这些异常数据和可能的原因，请给出具体的健康建议，包括饮食调整、运动建议、生活方式改变以及是否需要进一步检查或治疗等。
结论格式：异常数据的结论：肥胖，体检项目名称：体重指数BMI，检查结果：29.2，参考值>24，单位：-。异常解读：体重超标包括超重与肥胖。体重指数（BMI）=体重（kg）/身⾼（m）的平⽅，BMI≥24为超重，BMI≥28为肥胖；男性腰围≥90cm和⼥性腰围≥85cm为腹型肥胖。体重超标是⼀种由多因素（如遗传、进⻝油脂较多、运动少、疾病等）引起的慢性代谢性疾病，尤其是肥胖，已经被世界卫⽣组织列为导致疾病负担的⼗⼤危险因素之⼀。AI建议：采取综合措施预防和控制体重，积极改变⽣活⽅式，宜低脂、低糖、⾼纤维素膳⻝，多⻝果蔬及菌藻类⻝物，增加有氧运动。若有相关疾病（如⾎脂异常、⾼⾎压、糖尿病等）应积极治疗。
5. 根据这个体检报告的内容，分别给人体的8大系统打分，每项满分为100分，8大系统分别为：呼吸系统、消化系统、内分泌系统、免疫系统、循环系统、泌尿系统、运动系统、感官系统
6. 给体检报告做一个总结，总结格式：体检报告中尿蛋⽩、癌胚抗原、⾎沉、空腹⾎糖、总胆固醇、⽢油三酯、低密度脂蛋⽩胆固醇、⾎清载脂蛋⽩B、动脉硬化指数、⽩细胞、平均红细胞体积、平均⾎红蛋⽩共12项指标提示异常，尿液常规共1项指标处于临界值，⾎脂、⾎液常规、尿液常规、糖类抗原、⾎清酶类等共43项指标提示正常，综合这些临床指标和数据分析：肾脏、肝胆、⼼脑⾎管存在隐患，其中⼼脑⾎管有“⾼危”⻛险；肾脏部位有“中危”⻛险；肝胆部位有“低危”⻛险。

输出要求：
最后，将以上结果输出为纯JSON格式，不要包含其他的文字说明，也不要出现Markdown语法相关的文字，所有的返回结果都是json，详细格式如下：

{
  "totalCheckDate": "YYYY-MM-DD",
  "healthAssessment": {
    "riskLevel": "healthy/caution/risk/danger/severeDanger",
    "healthIndex": XX.XX
  },
  "riskDistribution": {
    "healthy": XX.XX,
    "caution": XX.XX,
    "risk": XX.XX,
    "danger": XX.XX,
    "severeDanger": XX.XX
  },
  "abnormalData": [
    {
      "conclusion": "异常数据的结论",
      "examinationItem": "体检项目名称",
      "result": "检查结果",
      "referenceValue": "参考值",
      "unit": "单位",
      "interpret":"对于异常的结论进一步详细的说明",
      "advice":"针对于这一项的异常，给出一些健康的建议"
    }
  ],
  "systemScore": {
    "breathingSystem": XX,
    "digestiveSystem": XX,
    "endocrineSystem": XX,
    "immuneSystem": XX,
    "circulatorySystem": XX,
    "urinarySystem": XX,
    "motionSystem": XX,
    "senseSystem": XX
  },
  "summarize": "体检报告的总结"
}

public static void main(String[] args) throws FileNotFoundException {
    String content = PDFUtil.pdfToString(new FileInputStream("E:\BaiduNetdiskDownload\Heima\25年8月AI智能应用开发（Java）\课件 源码 资料\4.阶段四 企业级智能物联网项目（中州养老）\09. 智能评估-集成AI大模型\资料\体检报告样例\体检报告-刘爱国-男-69岁.pdf"));
    String msg = "请以一个专业医生的视角来分析这份体检报告，报告中包含了一些异常数据，我需要您对这些数据进行解读，并给出相应的健康建议。n" +
            "体检内容如下：n" +
            content +
            "n" +
            "要求：n" +
            "1. 提取体检报告中的“总检日期”；n" +
            "2. 通过临床医学、疾病风险评估模型和数据智能分析，给该用户的风险等级和健康指数给出结果。风险等级分为：健康、提示、风险、危险、严重危险。健康指数范围为0至100分；n" +
            "3. 根据用户身体各项指标数据，详细说明该用户各项风险等级的占比是多少，最多保留两位小数。结论格式：该用户健康占比20.00%，提示占比20.00%，风险占比20%，危险占比20%，严重危险占比20%；n" +
            "4. 对于体检报告中的异常数据，请列出（异常数据的结论、体检项目名称、检查结果、参考值、单位、异常解读、建议）这7字段。解读异常数据，解决这些数据可能代表的健康问题或风险。分析可能的原因，包括但不限于生活习惯、饮食习惯、遗传因素等。基于这些异常数据和可能的原因，请给出具体的健康建议，包括饮食调整、运动建议、生活方式改变以及是否需要进一步检查或治疗等。n" +
            "结论格式：异常数据的结论：肥胖，体检项目名称：体重指数BMI，检查结果：29.2，参考值>24，单位：-。异常解读：体重超标包括超重与肥胖。体重指数（BMI）=体重（kg）/身⾼（m）的平⽅，BMI≥24为超重，BMI≥28为肥胖；男性腰围≥90cm和⼥性腰围≥85cm为腹型肥胖。体重超标是⼀种由多因素（如遗传、进⻝油脂较多、运动少、疾病等）引起的慢性代谢性疾病，尤其是肥胖，已经被世界卫⽣组织列为导致疾病负担的⼗⼤危险因素之⼀。AI建议：采取综合措施预防和控制体重，积极改变⽣活⽅式，宜低脂、低糖、⾼纤维素膳⻝，多⻝果蔬及菌藻类⻝物，增加有氧运动。若有相关疾病（如⾎脂异常、⾼⾎压、糖尿病等）应积极治疗。n" +
            "5. 根据这个体检报告的内容，分别给人体的8大系统打分，每项满分为100分，8大系统分别为：呼吸系统、消化系统、内分泌系统、免疫系统、循环系统、泌尿系统、运动系统、感官系统n" +
            "6. 给体检报告做一个总结，总结格式：体检报告中尿蛋⽩、癌胚抗原、⾎沉、空腹⾎糖、总胆固醇、⽢油三酯、低密度脂蛋⽩胆固醇、⾎清载脂蛋⽩B、动脉硬化指数、⽩细胞、平均红细胞体积、平均⾎红蛋⽩共12项指标提示异常，尿液常规共1项指标处于临界值，⾎脂、⾎液常规、尿液常规、糖类抗原、⾎清酶类等共43项指标提示正常，综合这些临床指标和数据分析：肾脏、肝胆、⼼脑⾎管存在隐患，其中⼼脑⾎管有“⾼危”⻛险；肾脏部位有“中危”⻛险；肝胆部位有“低危”⻛险。n" +
            "n" +
            "输出要求：n" +
            "最后，将以上结果输出为纯JSON格式，不要包含其他的文字说明，也不要出现Markdown语法相关的文字，所有的返回结果都是json，详细格式如下：n" +
            "n" +
            "{n" +
            "  "totalCheckDate": "YYYY-MM-DD",n" +
            "  "healthAssessment": {n" +
            "    "riskLevel": "healthy/caution/risk/danger/severeDanger",n" +
            "    "healthIndex": XX.XXn" +
            "  },n" +
            "  "riskDistribution": {n" +
            "    "healthy": XX.XX,n" +
            "    "caution": XX.XX,n" +
            "    "risk": XX.XX,n" +
            "    "danger": XX.XX,n" +
            "    "severeDanger": XX.XXn" +
            "  },n" +
            "  "abnormalData": [n" +
            "    {n" +
            "      "conclusion": "异常数据的结论",n" +
            "      "examinationItem": "体检项目名称",n" +
            "      "result": "检查结果",n" +
            "      "referenceValue": "参考值",n" +
            "      "unit": "单位",n" +
            "      "interpret":"对于异常的结论进一步详细的说明",n" +
            "      "advice":"针对于这一项的异常，给出一些健康的建议"n" +
            "    }n" +
            "  ],n" +
            "  "systemScore": {n" +
            "    "breathingSystem": XX,n" +
            "    "digestiveSystem": XX,n" +
            "    "endocrineSystem": XX,n" +
            "    "immuneSystem": XX,n" +
            "    "circulatorySystem": XX,n" +
            "    "urinarySystem": XX,n" +
            "    "motionSystem": XX,n" +
            "    "senseSystem": XXn" +
            "  },n" +
            "  "summarize": "体检报告的总结"n" +
            "}";

    OpenAIClient client = OpenAIOkHttpClient.builder()
            .apiKey("bce-v3448")
            .baseUrl("https://qianfan.baidubce.com/v2/").build();

    ChatCompletionCreateParams params = ChatCompletionCreateParams.builder()
            // 单个对话
            .addUserMessage(msg)
            // 多轮对话
            .model("ernie-4.5-turbo-128k")
//                .penalty() 非原方法，一般不指定，控制惩罚系数
            // 控制最大token，一般不需要，模型是有的
//                .maxCompletionTokens(1024)
            // 输出格式设置为JSON输出，就算设置了，也有可能不生效
            .responseFormat(ChatCompletionCreateParams.ResponseFormat
                    .ofJsonObject(ResponseFormatJsonObject.builder().build()))
            .build();

    ChatCompletion chatCompletion = client.chat().completions().create(params);
    System.out.println(chatCompletion.choices().get(0).message().content());
}

封装工具类

yml

baidu:
  qianfan:
    api-key: bce-v3448
    base-url: 
    model: ernie-4.5-turbo-128k

@Component
public class AIModelInvoker {

    private final OpenAIClient client;
    private final String model;

    public AIModelInvoker(BaiDuProperties baiDuProperties) {
        client = OpenAIOkHttpClient.builder()
                .apiKey(baiDuProperties.getApiKey())
                .baseUrl(baiDuProperties.getBaseUrl()).build();
        model = baiDuProperties.getModel();
    }

    /**
     * 单轮对话
     */
    public String chat(String prompt) {
        ChatCompletionCreateParams params = ChatCompletionCreateParams.builder()
                .model(model).addUserMessage(prompt)
                .responseFormat(ChatCompletionCreateParams.ResponseFormat
                        .ofJsonObject(ResponseFormatJsonObject.builder().build()))
                .build();
        ChatCompletion chatCompletion = client.chat().completions().create(params);
        return chatCompletion.choices().get(0).message().content().orElse("");
    }
}