DMKit 开源项目教程
项目介绍
DMKit(Dialogue Management Kit)是百度UNIT(Understanding and Interaction Technology)的开源对话管理模块。它能够无缝对接UNIT的理解能力,赋予开发者多状态的复杂对话流程管理能力,并支持低成本对接外部知识库,迅速丰富话术信息量。DMKit基于brpc开发并提供HTTP服务,支持MacOS、Ubuntu、CentOS等系统环境,推荐使用Ubuntu 16.04或CentOS 7。
项目快速启动
安装依赖
在编译DMKit之前,需要先安装依赖并下载编译brpc:
sh deps.sh [OS]
其中[OS]参数指定系统类型用于安装对应系统依赖,支持取值包括ubuntu、mac、centos。如果已手动安装依赖,则传入none。
编译DMKit
使用cmake编译DMKit:
mkdir _build && cd _build && cmake .. && make
运行示例技能
在运行示例技能之前,需要在UNIT平台配置实现技能的理解能力。示例场景根据UNIT平台创建的skill id修改编译产出_build目录下的conf/app/products.json文件。
在_build目录下运行DMKit:
./dmkit
可以通过tools目录下的bot_emulator.py程序模拟与技能进行交互:
python bot_emulator.py [skill id] [access token]
应用案例和最佳实践
查询流量及续订场景
在UNIT平台创建skill id为12345,则对应的配置文件内容应为:
{
"default": {
"12345": {
"score": 1,
"conf_path": "conf/app/demo/cellular_data.json"
}
}
}
最佳实践
- 配置文件优化:根据实际业务需求,优化配置文件,确保对话流程高效且符合用户需求。
- 错误处理:在对话管理中加入错误处理机制,提高系统的鲁棒性。
- 性能优化:根据实际使用情况,对系统进行性能优化,确保在高并发情况下系统稳定运行。
典型生态项目
UNIT平台
UNIT(Understanding and Interaction Technology)是百度推出的智能对话系统开发平台,提供强大的自然语言理解能力,与DMKit无缝对接,共同构建完整的对话系统。
brpc
brpc(Baidu RPC)是百度开源的工业级RPC框架,提供高性能、易用性强的RPC服务,是DMKit的基础服务框架。
外部知识库
DMKit支持低成本对接外部知识库,如百度知识图谱等,丰富对话内容,提升用户体验。
通过以上模块的介绍和实践,开发者可以快速上手并深入使用DMKit,构建高效、智能的对话管理系统。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00