Proofig ile yeni bir ortaklık duyurusu! Daha fazla bilgi edinin
Bu eğitimde, Pangram'ın AI içeriği için metni nasıl kontrol edeceğimizi öğreneceğiz. pangram-sdk Python paketi.
The pangram-sdk paket, geliştiricilerin kullanmasına izin verir Pangram'ın AI İçerik Algılayıcı API'si kısa metinleri veya daha uzun belgeleri, içeriğin yapay zeka tarafından üretilmiş olduğuna dair işaretler olup olmadığını kontrol etmek için.
Bu eğitimde, API anahtarını edinme, Pangram'ın Python SDK'sını kullanma ve Pangram'ın API uç noktalarına doğrudan HTTP istekleri gönderme konularını ele alacağız. Daha fazla bilgi ve kullanım örnekleri için lütfen Pangram'ın tam API belgelerine bakın.
Başlamak için bir Pangram hesabına ihtiyacınız olacak. API anahtarınızın eklenmesini istediğiniz e-posta adresini kullanarak bir hesap oluşturun. Hesap oluşturduktan sonra, iki seçenekten birini kullanarak hesabınızı kurabilirsiniz: geliştirici planına kaydolun veya araştırmacı API anahtarı alın.
Pangram'ın Geliştirici Planı aylık 100 $'dan başlar. Plana aylık 2000 API kredisi dahildir. Hesabınızın kilidini açmak ve kullanıma dayalı fiyatlandırmayı etkinleştirmek için bizimle iletişime geçebilirsiniz. Başlamak için Geliştirici Planına kaydolun. Geliştirici planına kaydolduktan sonra, API konsolunda API anahtarınızı bulabilirsiniz.
Pangram, araştırmacılara ücretsiz API anahtarları da sağlar. Ticari olmayan bir araştırma çalışması üzerinde çalışıyorsanız, ücretsiz API kredisi almak için lütfen bu formu doldurun. Size doğrudan bir API anahtarı ve araştırma kredisi tahsisatınızla ilgili olarak yanıt vereceğiz.
API anahtarınızı aldıktan sonra, bunu ortamınıza ekleyebilirsiniz. Aşağıdaki komutu çalıştırın ve örnek API anahtarını kişisel API anahtarınızla değiştirin. Bu komutu .bashrc, .zshrc, .env, vb. otomatik olarak ayarlamak için PANGRAM_API_ANAHTARI değişken.
dışa aktar PANGRAM_API_KEY="12345678-1234-abcd-0123-123456789abc"Doğru Python ortamının etkinleştirildiğinden emin olun. Pangram'ın Python SDK'sını yüklemek için aşağıdaki komutu çalıştırın:
pip yükle pangram-sdkUV kullanıyorsanız, bunun yerine şunu kullanabilirsiniz:
uv ekle pangram-sdkPoetry kullanıyorsanız, komut şu şekilde olacaktır:
şiir ekle pangram-sdkİlk olarak, isteklerde bulunmak için bir Pangram İstemcisi oluşturun. Pangram İstemcisi, API anahtarınızı ortam değişkenlerinizden otomatik olarak okuyacaktır.
başından pangram import Pangram
pangram_client = Pangram()API anahtarını doğrudan da geçebilirsiniz:
başından pangram import Pangram
my_api_key = '' # Buraya API anahtarınızı girin.
pangram_client = Pangram(api_key=my_api_key)pangram_müşteri'nin tahmin etmek işlevi, Pangram'ın API'sine tek bir istek gönderir ve sonucu döndürür. Varsayılan olarak, bu işlem yalnızca ilk 400 kelimeyi inceler. Bir istek, bir kredi kullanır.
metin = "Hızlı kahverengi tilki tembel köpeğin üzerinden atlar."
sonuç = pangram_client.tahmin(metin)
puan = sonuç["ai_likelihood"]
puanın metin temsili = sonuç["tahmin"]
yazdır(f"Metnin {text} şöyle {puanın_metin_temsili}, AI olasılığı {puan}olarak tahmin edilmektedir.") Kullanın tahmin_parti Büyük veri kümelerinin daha hızlı işlenmesi için bir grup sorguyu aynı anda göndermek için kullanılan işlev. Bir istek, gruptaki her bir öğe için bir kredi kullanır. Döndürülen sonuçlar, tekli sorguyla aynı formatta bir dizi olacaktır. tahmin etmek fonksiyon.
text_batch = ["text1", "text2"]
results = pangram_client.batch_predict(text_batch)
for result in results:
text = result["text"]
score = result["ai_likelihood"]
text_representation_of_score = result["prediction"]
print(f"We predict that the text {text} is {text_representation_of_score}, with an AI likelihood of {score}.") Kullanın kayma_penceresi_tahmin Daha uzun bir belgede AI kullanımının doğru bir tahminini elde etmek için kullanılan işlev. Bu işlev, girdi metnini pencerelere böler ve toplu işteki her pencere için AI tahmininde bulunur. Bu işlev, girdi metnindeki her 1.000 kelime için bir kredi kullanır.
metin = "Hızlı kahverengi tilki tembel köpeğin üzerinden atlar."
sonuç = pangram_client.predict_sliding_window(metin)
puan = sonuç["ai_likelihood"]
puanın metin temsili = sonuç["tahmin"]
yazdır(f"Metnin {text} şöyle {puanın_metin_temsili}, AI olasılığı {puan}olarak tahmin edilmektedir.") Sonuç, aşağıdaki alanları içeren bir dict'tir:
metin: [string] giriş metniai_olasılık: [float] 0 ile 1 arasında bir sayıdır; 1'e yakın değerler, metnin AI tarafından yazıldığına dair güvenilir bir tahmin olduğunu gösterir.tahmin: [string] metnin ne kadar AI içeriği içerdiğine dair metin açıklamasıkısa_tahmin: [dize] "İnsan", "Karışık" veya "AI"fraksiyon_ai_içeriği: [float] 0 ile 1 arasında bir float değeri, burada 1, metin boyunca AI'nın mevcut olduğunu gösterir.pencereler: [liste] metin için tekil tahmin sonuçlarının listesi.Pangram'ın kontrol paneli, kayan pencere isteğinin sonuçlarını yerel olarak görüntüleyebilir. İşlevi kullanın tahmin_dashboard_bağlantısı_ile kayan pencere sorgusu çalıştırmak ve ayrıca bir gösterge tablosu bağlantısı almak için. Tıpkı kayma_penceresi_tahminBu işlev, girilen metnin her 1.000 kelimesi için 1 kredi olarak faturalandırılır.
metin = "Hızlı kahverengi tilki tembel köpeğin üzerinden atlar."
sonuç = pangram_client.predict_sliding_window(metin)
puan = sonuç["ai_likelihood"]
puanın metin temsili = sonuç["tahmin"]
kontrol_paneli_bağlantısı = sonuç["dashboard_link"]
yazdır(f"Metnin {text} şöyle {puanın_metin_temsili}, AI olasılığı {puan}olarak hesaplanmıştır. Tam sonuçları {dashboard_link}") Sonuç, ile aynı alanlara sahip bir dict'tir. kayma_penceresi_tahmin sonuç, ancak bir ek alan daha içerir:
gösterge paneli bağlantısı: [string] kayan pencere sonuçlarının tamamını içeren bir sayfaya bağlantı.Tüm bu işlevlere HTTP üzerinden de erişilebilir. Pangram API'ye HTTP istekleri gönderme konusunda tam dokümantasyon için lütfen Pangram'ın Inference API dokümantasyonuna bakın.
Bazen Pangram'a yapılan istekler zaman aşımına uğrayabilir veya başarısız olabilir. Programınızın çökmemesi için yeniden deneme eklemenizi şiddetle tavsiye ederiz. Bu tür bir kütüphane olan Tenacity'yi tavsiye ederiz.
Tenacity'yi kullanarak Pangram çağrılarını yeniden denemenin bir örneği:
tenacity azim ithalat yeniden deneme, denemeden_sonra_durdur, rastgele_üstel_bekle, retry_if_exception_type
@retry(
retry=yeniden_dene_eğer_istisna_tipi((Zaman Aşımı Hatası, Bağlantı Hatası)),
durdur=denemeden_sonra_durdur(5),
bekle=bekle_rastgele_üstel(çarpan=0,5, maks=10),
reraise=Doğru,
)
def predict(metin):
dön pangram_client.tahmin(metin)İşte Pangram SDK'yı kullanarak herhangi bir metni AI açısından kontrol etmek ve yeniden denemelerle birlikte bir gösterge tablosu bağlantısı almak için tam bir örnek.
başından pangram import Pangram
from azim import yeniden deneme, denemeden_sonra_durdur, rastgele_üstel_bekle, retry_if_exception_type
api_key = ""
pangram_client = Pangram(api_key=api_key)
@retry(
yeniden deneme=yeniden_deneme_eğer_istisna_tipi((Zaman Aşımı Hatası, Bağlantı Hatası)),
durdur=denemeden_sonra_durdur(5),
bekle=bekle_rastgele_üstel(çarpan=0,5, maks=10),
reraise=Doğru,
)
def predict_ai_with_link(metin)
sonuç = pangram_client.kaydırmalı_pencere_tahmin(metin)
dönüş sonuç
metin = "Hızlı kahverengi tilki tembel köpeğin üzerinden atlar."
sonuç = predict_ai_with_link(metin)
puan = sonuç["ai_likelihood"]
puanın metin temsili = sonuç["tahmin"]
kontrol_paneli_bağlantısı = sonuç["dashboard_link"]
yazdır(f"Metnin {text} şöyle {puanın_metin_temsili}, AI olasılığı {puan}olarak hesaplanmıştır. Tam sonuçları {dashboard_link}")Umarız bu kılavuz sayesinde, Pangram'ın AI Detection Python paketini kullanarak AI içeriğini programlı olarak tespit edebilmişsinizdir. Bununla harika şeyler yaptınız mı? Lütfen LinkedIn veya X'te bizi etiketleyin ve yaptıklarınızı paylaşın!
