文本生成（豆包/DeepSeek 系列模型）--AI 数据湖服务-火山引擎

文档中心

立即注册

AI 数据湖服务

文本生成

文本生成（豆包/DeepSeek 系列模型）

算子介绍

描述

大模型文本生成专用处理器（豆包/DeepSeek）

核心功能

纯文本场景优化：根据用户输入文本数据，自动构建符合模型规范的message结构
输入简化机制：原生支持str类型输入，自动封装为{role: user, content: text}格式
多任务支持：翻译/总结/问答等NLP场景开箱即用
双提示词系统：
- system_content：系统级行为指导（如翻译风格控制）
- prompt：用户级指令模板（支持{query}占位符替换）

输入输出规范

输入格式：纯文本数据
输出格式：
- 默认模式：str类型生成结果
- 诊断模式：设置环境变量 LAS_LLM_FINISH_REASON_CHECK=true，返回完整的生成结果和模型结果结束原因：
  - llm_result：str类型，生成结果
  - finish_reason：str类型，模型结果结束原因，取值范围：stop、length、content_filter

Daft 调用

算子参数

输入

输入列名	说明
raw_text	包含待处理文本数据。类型为 str

输出

（默认情况下）当环境变量LAS_LLM_FINISH_REASON_CHECK=false时，返回字段类型为str。
当环境变量LAS_LLM_FINISH_REASON_CHECK=true时，返回字段类型为struct，包含以下字段：

llm_result: 模型输出结果
finish_reason: 模型输出结束原因

参数

如参数没有默认值，则为必填参数

参数名称	类型	默认值	描述
model	str		模型名称支持的模型有:豆包模型和DeepSeek模型。示例 doubao-1.5-lite-32k
version	str or None		模型版本输入模型对应的版本信息。示例 250115
inference_type	str	batch	推理类型，支持在线推理和批量推理。默认值为batch，即采用批量推理 - online：采用方舟平台提供的在线推理模块进行推理 - batch：采用方舟平台提供的批量推理模块进行推理
max_tokens	int or None		模型回复最大长度（单位 token），输入输出总长度受模型上下文限制
max_completion_tokens	int or None		模型生成的 token 数量的上限，包含思维链内容（reasoning_content）与回答内容（content），不包含传入的信息（messages）。超出后，停止模型输出思维链内容及模型回答，并返回finish_reason字段为length。
stop	list or None		模型遇到 stop 字段所指定的字符串时将停止继续生成，这个词语本身不会输出。最多支持 4 个字符串。例如 ["你好", "天气"]
frequency_penalty	float	0	频率惩罚系数频率惩罚系数。如果值为正，会根据新 token 在文本中的出现频率对其进行惩罚，从而降低模型逐字重复的可能性。取值范围 [-2.0, 2.0]，默认0
presence_penalty	float	0	存在惩罚系数存在惩罚系数。如果值为正，会根据新 token 到目前为止是否出现在文本中对其进行惩罚，从而增加模型谈论新主题的可能性。取值范围为 [-2.0, 2.0]。默认值 0
temperature	float	1	采样温度采样温度。控制了生成文本时对每个候选词的概率分布进行平滑的程度。 - 当取值为 0 时模型仅考虑对数概率最大的一个 token。 - 较高的值（如 0.8）会使输出更加随机，而较低的值（如 0.2）会使输出更加集中确定。通常建议仅调整 temperature 或 top_p 其中之一，不建议两者都修改。取值范围为 [0, 2]。默认值 1
top_p	float	0.7	核采样概率阈值核采样概率阈值。模型会考虑概率质量在 top_p 内的 token 结果。当取值为 0 时模型仅考虑对数概率最大的一个 token。 0.1 意味着只考虑概率质量最高的前 10% 的 token，取值越大生成的随机性越高，取值越低生成的确定性越高。通常建议仅调整 temperature 或 top_p 其中之一，不建议两者都修改。默认值 0.7
logit_bias	dict or None		调整指定 token 在模型输出内容中出现的概率，使模型生成的内容更加符合特定的偏好。 logit_bias 字段接受一个 map 值，其中每个键为词表中的 token ID（使用 tokenization 接口获取），每个值为该 token 的偏差值，取值范围为 [-100, 100]。 -1 会减少选择的可能性，1 会增加选择的可能性；-100 会完全禁止选择该 token，100 会导致仅可选择该 token。该参数的实际效果可能因模型而异。
tools	list or None		待调用工具的列表，模型返回信息中可包含。当您需要让模型返回待调用工具时，需要配置该结构体。
llm_config	dict or None		自定义LLM配置除了上述参数，其他参数会透传给模型。上述参数会覆盖llm_config中的值
request_timeout	int	1200	超时时间单次请求的超时时间（秒）
max_concurrency	int	100	并发数每个进程的最大并发数
system_content	str or None		系统提示内容系统提示内容，以system角色作为模型的输入
prompt	str or None		用户提示词，用户提示词，用于指导模型的行为。配置该字段时，会和输入的文本拼接，以user角色方式输入给模型。同时，该字段也可以配置为{query}，此时，输入的文本会替换掉该字段.

调用示例

下面的代码展示了如何使用 daft访问火山方舟文本生成模型进行批量推理。请注意每次大模型推理结果可能不同。

from __future__ import annotations

import os

import daft
from daft import col
from daft.las.functions.ark_llm.ark_llm_text_generate import ArkLLMTextGenerate
from daft.las.functions.udf import las_udf

if os.getenv("DAFT_RUNNER", "native") == "ray":
    import logging

    import ray

    def configure_logging():
        logging.basicConfig(
            level=logging.INFO,
            format="%(asctime)s - %(name)s - %(levelname)s - %(message)s",
            datefmt="%Y-%m-%d %H:%M:%S.%s".format(),
        )
        logging.getLogger("tracing.span").setLevel(logging.WARNING)
        logging.getLogger("daft_io.stats").setLevel(logging.WARNING)
        logging.getLogger("DaftStatisticsManager").setLevel(logging.WARNING)
        logging.getLogger("DaftFlotillaScheduler").setLevel(logging.WARNING)
        logging.getLogger("DaftFlotillaDispatcher").setLevel(logging.WARNING)

    ray.init(dashboard_host="0.0.0.0", runtime_env={"worker_process_setup_hook": configure_logging})
    daft.context.set_runner_ray()

daft.set_execution_config(min_cpu_per_task=0)

if __name__ == "__main__":
    # 需配置环境变量 LAS_API_KEY ： LAS_API_KEY 通过在 LAS 服务页面上创建获取
    queries = {
        "query": [
            "中国的首都在哪里",
            "十字花科植物有哪些",
        ]
    }

    ds = daft.from_pydict(queries)
    ds = ds.with_column(
        "llm_result",
        las_udf(
            ArkLLMTextGenerate,
            construct_args={
                "model": "doubao-1.5-pro-32k",
                "inference_type": "online",
            },
        )(col("query")),
    )
    ds.show()

    #  输出(每次大模型推理结果可能不同)
    # ╭────────────────────┬───────────────────────────────────────╮
    # │ query              ┆ llm_result                            │
    # │ ---                ┆ ---                                   │
    # │ Utf8               ┆ Utf8                                  │
    # ╞════════════════════╪═══════════════════════════════════════╡
    # │ 中国的首都在哪里      ┆ 中国的首都是北京。                       │
    # │                    ┆                                       │
    # │                    ┆ 北京是中国的政治中心、文化中心、国际…       │
    # ├╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌┤
    # │ 十字花科植物有哪些    ┆ 十字花科植物种类繁多，常见的有：           │
    # │                    ┆ 1. **蔬菜类**                          │
    # │                    ┆  …                                    │
    # ╰────────────────────┴───────────────────────────────────────╯

最近更新时间：2026.01.08 19:14:54

这个页面对您有帮助吗？

有用

无用

AI 数据湖服务

描述 #

核心功能 #

输入输出规范 #

算子参数 #

输入 #

输出 #

参数 #

调用示例 #

描述

核心功能

输入输出规范

算子参数

输入

输出

参数

调用示例