rmb-client 0.11.9

RMB SDK.

Python Client SDK（Python客户端SDK）

APIs（API 接口）

可以打开 rmb-server 的服务地址查看

示例地址： https://api.asktable.com/

认证方法

需要在 Header 中增加 Authorization 字段，值为 Bearer <token>，其中 <token> 为用户的 Token。

使用方式

• 命令行CLI

  $ rmb-client -a https://api.asktable.com/ -t token1
  
  -- RMB 客户端(0.7.19)初始化完成！
  -- 连接服务器(-a)： https://api.asktable.com/
  -- 使用Token (-t)： token1
  -- 您可以使用 'rmb' 来访问RMB，比如：通过 'rmb.datasources' 来查询数据源列表
     完整的使用方法，请参考帮助文档：https://pypi.org/project/rmb-client/
  
  Python 3.11.4 (main, Jun  7 2023, 00:34:59) [Clang 14.0.3 (clang-1403.0.22.14.1)]
  Type 'copyright', 'credits' or 'license' for more information
  IPython 8.18.1 -- An enhanced Interactive Python. Type '?' for help.
  
  In [1]: rmb.datasources.latest.ask('你好')
  Out[1]: [OK-4s]|| 你好！有什么可以帮助你的吗？
  

• Python SDK

  from rmbclient import RMB
  rmb = RMB(api_url='https://api.asktable.com/', token='token01')
  rmb.version
  

使用示例

以下示例使用命令行CLI方式演示。

注册数据源

1. 注册 MySQL 数据源，这个地址必须是RMB Server可访问的

   rmb.datasources.register(
       ds_type="MySQL",
       ds_access_config={
           "host": "localhost",
           "port": 3306,
           "user": "root",
           "password": ""
       }
   )
   

2. 注册一个可下载的文件(Excel或CSV)

   rmb.datasources.register(
       ds_type="CSV",
       ds_access_config={
           "location_url": "https://example.com/path/to/myfile.csv",
           "location_type": "http",
       }
   )
   

3. 上传并注册一个本地的文件（Excel或CSV）

   In [69]: rmb.datasources.create_from_local_file(local_file_path="/Users/jeffrey/code/DataMini/rmb/sample_data/tests/test_chart.xlsx", direct_to_oss=True)
   Out[69]: <ds_mrQq88Pu2DaBLCUZwgBAO: 月销售数据 >
   

查找数据源

1. 所有数据源

   In [54]: rmb.datasources
   Out[54]: 
   id                         created_at           name                                     type
   ds_1MEd5IA392sgt7mw5PcwgV  2024-01-21T17:09:18  高校讲师工作量汇总                       Excel
   ds_5DuPVZbOo5iRx9ZRWNtDCj  2024-01-22T15:44:52  求公式数据汇总                           Excel
   ds_2Vl6Y5bypIJE0J19ulmiBL  2024-01-28T19:03:02  2024天津公务员招考                       Excel
   ds_3IrvrL6oFd1SIQ6FEKUPCn  2024-02-03T11:34:45  学生成绩总览                             Excel
   ds_2TDFez0l0qiSwFLsGvRKvV  2024-02-25T14:40:14  杭州房产信息                             CSV
   

2. 最新的数据源

   In [55]: rmb.datasources.latest
   Out[55]: <ds_2TDFez0l0qiSwFLsGvRKvV: 杭州房产信息 >
   

3. 根据ID精确查找

   In [56]: rmb.datasources.get('ds_2TDFez0l0qiSwFLsGvRKvV')
   Out[56]: <ds_2TDFez0l0qiSwFLsGvRKvV: 杭州房产信息 >
   

4. 根据Name查找（可能重名，返回List）

   In [57]: rmb.datasources.get(name='杭州房产信息')
   Out[57]: 
   [<ds_25vqFPq3wAgzcCVGoygBOO: 杭州房产信息 >,
    <ds_2eGWHUvUbWN0AAbke0aKIb: 杭州房产信息 >,
    <ds_2TDFez0l0qiSwFLsGvRKvV: 杭州房产信息 >]
   

管理某个数据源

1. 查看 RMB 中的Meta（即AI使用的Meta，在RMB中所保存的Meta）

   In [58]: ds = rmb.datasources.latest
   
   In [59]: ds.meta
   Out[59]: 
   ds_2TDFez0l0qiSwFLsGvRKvV 共有：1 Schema (杭州房产信息), 1 Table (杭州房产信息.杭州房产信息), 19 Fields. 
   
   Schemas       Tables        Fields(known/all)
   杭州房产信息  杭州房产信息  19/19
   

2. 查看运行时的Meta（即原文件或者原数据库中最新的Meta）

   In [61]: ds.meta_runtime
   Out[61]: 
   ds_2TDFez0l0qiSwFLsGvRKvV 共有：1 Schema (杭州房产信息), 1 Table (杭州房产信息.杭州房产信息), 19 Fields. 
   
   Schemas       Tables        Fields(known/all)
   杭州房产信息  杭州房产信息  0/19
   

3. 同步Meta（即将运行时的Meta同步到RMB中的Meta）

   In [60]: ds.meta.sync()
   Out[60]: True
   

4. 查看示例问题

   In [62]: ds = rmb.datasources.latest
   
   In [63]: ds.sample_questions
   Out[63]: '- 查询杭州房产的平均总价\n- 统计各区域房产数量 \n（为了方便沟通，您可以直接指定列名：城市, 区域, 子区域, 小区, 总价, 单价, 户型, 楼层, 建筑面积, 套内面积, 装修, 梯户比例, 电梯, 别墅类型, 挂牌日期, 产权, 房屋用途, 房龄, 链接）'
   

5. 删除

   In [64]: ds = rmb.datasources.latest
   
   In [65]: ds.delete()
   Out[65]: True
   

开始对话

1. 直接对数据源进行提问

   In [52]: ds = rmb.datasources.latest
   
   In [53]: ds.ask("你好")
   Out[53]: [OK-3s] 你好！请问有什么可以帮助您的吗？
   

2. 创建一个对话，然后提问

   In [47]: ds = rmb.datasources.latest
   
   In [48]: ds
   Out[48]: <ds_2TDFez0l0qiSwFLsGvRKvV: 杭州房产信息 >
   
   In [49]: chat = rmb.chats.create([ds.id])
   
   In [50]: answer = chat.ask("你好")
   
   In [51]: answer.to_dict()
   Out[51]: 
   {'status': 'OK',
    'elapsed_time': 2,
    'answer_text': '你好！有什么可以帮助你的吗？',
    'answer_file_url': None,
    'answer_image_url': None,
    'structure_queries': []}
   

查看对话

1. 查看所有对话

   In [40]: rmb.chats
   Out[40]: 
   id                           created              datasource_ids                   human_msgs    ai_msgs  latest_msg
   chat_E90pdsNUlDE7wo8gsjahf   2024-01-06 12:10:00  ['ds_1ZAoAyIn1ph0lldief4cP5']             2          2  2024-01-07 01:26:48
   chat_ql7vWZEIqafqg9dMAaNpi   2024-01-07 05:35:03  ['ds_S0tdSsWcuB2HxEA1BQICE']              0          0
   chat_1SfzrRkiIlKyvHtOTbX7qW  2024-01-07 05:46:21  ['ds_6tWxUjnKbK2JwJRmLuPTj9']             4          4  2024-01-07 05:50:59
   chat_2WEHFozMZPFQhYkqLwvufZ  2024-01-07 10:34:15  ['ds_5Jydks0MbCJ3atBIHBC98']              1          1  2024-01-07 10:35:02
   

2. 获取最后一个对话

   In [41]: rmb.chats.latest
   Out[41]: <Chat chat_6LYoQImReUun8gR8q32LZm [2024-02-06 06:33:47]>
   

3. 根据ID查找对话

   In [44]: rmb.chats.get('chat_1SfzrRkiIlKyvHtOTbX7qW')
   Out[44]: <Chat chat_1SfzrRkiIlKyvHtOTbX7qW [2024-01-07 05:46:21]>
   

4. 查看某个对话的历史消息

   In [43]: rmb.chats.latest.messages
   Out[43]: 
   id                          created                 role    content
   msg_1x0t6ch4KzZiSPFDbrL1iC  2 hours 59 minutes ago  human   将B列的数据拆分为姓名、手机号和地址三列
   msg_5D5bdJ2vBYjhpjlVuqyN5N  2 hours 59 minutes ago  ai      [OK-22s] 很抱歉，由于元数据中并未提供包含电话号码和地址的字段信息，我们无法直接从数据库中分割列B的数据为姓名、电话号码和地址三个独立的列。如果您能提供更详细的数据格式或者具体的分割规则，我们可能会有其他方式来帮助您处理这个问题。
   msg_1rnZp94PzQeMetZxV2W3VC  2 hours 57 minutes ago  human   看起来好像可以按照换行来拆分
   msg_1igXXP1VBMSVx2iW8DENVt  2 hours 57 minutes ago  ai      [OK-34s] 已经根据您的要求将B列的数据拆分为姓名、手机号和地址三列。您可以查看处理好的数据。 [File:https://0vc.cc/KcZzK]
   

删除对话

删除某个对话

```python
In [45]: chat = rmb.chats.latest

In [46]: chat.delete()
Out[46]: True
```