GLM-4-AllTools 数据分析

GLM 4 AllTools 数据分析 🚐 GLM 4 AllTools 数据分析 Modified December 3, 2024 Code block Bash Copy 根据各行业的利润数据，绘制成可视化的图表。 """.format(title,data1,data2) 可以看到，财务数据的（数字）表示负利润，GLM 4 AllTools 无需额外指令，模型也能够准确理解： 计算利润率并排序 最后，我们让 GLM 4 Alltools 模型计算出各行业利润率，按照利润率从高到低生成图表。 Code block Bash Copy 数据表头 title = "[煤炭开采和洗选业 石油和天然气开采业 黑色金属矿采选业 有色金属矿采选业 非金属矿采选业 开采专业及辅助性活动 其他采矿业 农副食品加工业 食品制造业 酒、饮料和精制茶制造业 烟草制品业 纺织业 纺织服装、服饰业 皮革、毛皮、羽毛及其制品和制鞋业 木材加工和木、竹、藤、棕、草制品业 家具制造业 造纸和纸制品业 印刷和记录媒介复制业 文教、工美、体育和娱乐用品制造业 石油、煤炭及其他燃料加工业 化学原料和化学制品制造业 医药制造业 化学纤维制造业 橡胶和塑料制品业 非金属矿物制品业 黑色金属冶炼和压延加工业 有色金属冶炼和压延加工业 金属制品业 通用设备制造业 专用设备制造业 汽车制造业 铁路、船舶、航空航天和其他运输设备制造业 电气机械和器材制造业 计算机、通信和其他电子设备制造业 仪器仪表制造业 其他制造业 废弃资源综合利用业 金属制品、机械和设备修理业 电力、热力生产和供应业 燃气生产和供应业 水的生产和供应业]" 各行业收入数据 data1 = "[15586.20 6157.20 2675.20 1739.50 1690.00 1260.40 9.40 24423.80 10441.30 8189.20 8019.70 11300.40 5681.60 3982.10 4132.50 3101.80 6992.10 3118.20 6401.30 29609.30 44340.10 12352.70 5709.90 14113.80 24307.40 39727.70 40792.70 22070.80 22757.80 17713.00 47672.20 6791.20 49705.40 73651.90 4698.90 995.80 5703.10 1059.40 47642.60 10086.60 2238.50 ]" 各行业利润数据 data2 = "[3168.60 2049.10 341.30 430.30 159.50 7.40 0.30 507.60 847.10 1597.40 1133.10 323.30 240.60 171.70 126.30 137.80 227.90 154.20 281.80 (159.90) 2041.10 1805.90 126.50 744.10 726.50 (3.10) 1454.60 722.50 1521.30 1242.20 2377.00 470.20 2582.20 2942.00 447.40 62.60 49.40 83.60 3304.50 442.70 221.70 ]" userprompt = """ 表头是各行业名：{0} 各行业收入数据：{1} 各行业利润数据：{2} 根据收入和利润数据，计算出各行业利润率，按照利润率从高到低做成折线图。 """.format(title,data1,data2) 绘制图表如下，数据结果计算非常准确： 2、统计平台月度账单 BigModel 平台的账单数据一直都困扰着大家，可以尝试用 GLM 4 AllTools 来帮助我们统计。 下面的示例中，用我的7月和8月账单数据，如果想要统计你的平台账单，可以从平台的费用明细 导出月度明细数据。 注意删除明细数据中把自己的 API key 列，防止泄漏给别人！ 上传账单给沙盒 首先需要用上传文件的API 把7月和8月的明细账单上传并得到 fileid。代码示例如下： Code block Bash Copy def test upload file(): resp = client.files.create( file=open("/.../智谱AI开放平台费用明细2024 08 1725874453364.xlsx","rb"), purpose="code interpreter" ) print(resp) return resp.id 统计7月账单数据 将两个文件的 fileid 提供给 GLM 4 AllTools 模型，让模型统计 7月的账单数据和用量。为了让模型更好的理解账单明细含义，我们可以将数据说明作为背景提供给模型参考。代码示例如下： Code block Bash Copy coding:utf 8 from zhipuai import ZhipuAI client = ZhipuAI(api key="API KEY") 请填写您自己的APIKey def test alltools(prompt,fileids): response = client.chat.completions.create( model="glm 4 alltools", 填写需要调用的模型名称 messages=[ { "role": "user", "content":[ { "type":"text", "text":prompt } ] } ], max tokens= 40000, stream=True, tools=[ { "type": "code interpreter", "code interpreter" :{ "file ids" : fileids } } ] ) model output = "" for chunk in response: print(chunk) if chunk.choices[0].delta.content is not None: if chunk.choices[0].delta.role == "assistant": mtmp = str(chunk.choices[0].delta.content) if mtmp is not None: model output = model output + mtmp return model output if name == ' main ': introduce =""" 明细数据说明 账单费用明细中尽可能提供了客户对账所需的数据字段。 账期和入账时间 账期 ：账期是自然日，指的是这一条明细属于哪一天的账单。 入账时间 ：入账时间是指这一条明细具体计费发生的时间，精确到时分秒。 产品类型 平台目前有几种产品类型：模型推理、模型训练、私有实例，以及资源包。 模型推理、模型训练、私有实例的产品名是按照模型区分的。 模型编码和模型产品名 模型编码 ：模型编码是对应模型推理API时调用的model code。 模型产品名 ：模型产品名是计费产品名，账单以模型产品名为准，包括了模型推理、训练、私有实例和资源包等各种类型。 付费类型 预付费 ：预付费是指用户需要先购买才能使用，比如资源包是预付费类型。 后付费 ：后付费是指用户先使用后再计费，比如模型推理、模型训练、私有实例是后付费类型。 单价和用量 单价 ：账单明细中的单价，是实际计费的价格，即折后价。 用量 ：用量为实际使用量，比如 Tokens、次数或者个数。 消费金额和应付金额 消费金额 ：消费金额是指需要结算的总金额。 应付金额 ：实际结算时可能由赠金抵扣部分后，实际的应付金额 = 消费金额 赠金抵扣金额。 已付款和待付款金额 应付金额分为 已付款金额 和 待付款金额。 如果账单已全部付款，则结算成功。 如果没有足够的余额支付，则状态为 未结算，即出现欠费。 抵扣资源包 如果实际使用量是通过资源包抵扣，则账单会展示抵扣包的信息和抵扣用量。 """ userprompt = """ 上传的两个文件分别是智谱开放平台7月账单和8月账单明细数据 数据字段的说明可以参考: {0} 根据7月账单明细数据，统计7月中每个产品的总消费金额和总用量。 """.format(introduce) bill7 = "1726211483 83b320c819a84ed2aea0fb6b745ddbaa" 7月账单 bill8 = "1726211565 f53fbad8e3154e8cb14cd55fcf143f2f" 8月账单 print(test alltools(userprompt,[bill7,bill8])) 看下模型的统计结果，再对比下Excel的统计，全部一致！ Code block Python Copy 以下是按产品汇总的2024年7月的总消费金额和总用量： | 模型产品名称 | 总消费金额 (元) | 总用量 | | | | | | CogVideoX30次体验包(1个月) | 9.90 | 1 | | 【cogview 3】模型推理 | 0.00 | 2 | | 【glm 3 turbo:472519605::bmzmpmff】私有实例 | 150.00 | 1 | | 【glm 4 0520】模型推理 | 25.67870 | 264,281 | | 【glm 4 alltools】模型推理 | 9.93430 | 103,897 | | 【glm 4 flash】模型推理 | 0.017664 | 178,267 | | 【glm 4v】模型推理 | 0.44300 | 10,610 | | 【glm 4】模型推理 | 0.00000 | 196 | | 【其他模型】模型推理 | 5.37500 | 1,240 | | 开发者pro版权益套餐（月包） | 99.00000 | 1 | 请注意，上述表格中的数值已经四舍五入到了小数点后五位。如果需要原始精度的数据或有进一步的要求，请告知我。 统计8月账单数据 使用同样方式，我们统计了8月份的账单金额和用量： Code block Python Copy 以下是2024年8月份的产品使用情况总结： | 产品名称 | 总消费金额 (元) | 总用量 | | | | | | 1000元GLM 4 0520通用模型推理资源包 | 0.000000 | 1 | | 1000元GLM 4 Flash微调模型训练资源包 | 0.000000 | 1 | | 200元GLM 4 Flash微调模型推理资源包 | 0.000000 | 1 | | glm 4 flash模型训练 | 0.003100 | 125 | | 【cogvideox】模型推理 | 0.000000 | 18 | | 【cogview 3 plus】模型推理 | 0.120000 | 2 | | 【cogview 3.5】模型推理 | 0.480000 | 8 | | 【cogview 3】模型推理 | 0.700000 | 7 | | 【cogview】模型推理 | 0.150000 | 1 | | 【embedding 2】模型推理 | 0.089423 | 274997 | | 【embedding 3】模型推理 | 0.000000 | 178765 | | 【glm 4 0520】模型推理 | 81.804100 | 7394022 | | 【glm 4 alltools】模型推理 | 0.000000 | 445957 | | 【glm 4 assistant】模型推理 | 81.645200 | 816452 | | 【glm 4 flash】模型推理 | 0.211896 | 2604994 | | 【glm 4 long】模型推理 | 0.000000 | 240 | | 【glm 4 plus】模型推理 | 0.000000 | 3340 | | 【glm 4v plus】模型推理 | 0.000000 | 65465 | | 【glm 4v】模型推理 | 0.000000 | 5908 | | 【glm 4】模型推理 | 0.000000 | 3316142 | | 内测包 | 0.010000 | 1 | | 老客回馈资源包 | 0.000000 | 1 | 请注意，某些产品的消费金额为0，这可能意味着这些服务在当月免费或使用了完全的资源包抵扣。 费用明细 可以看到，财务数据的（数字）表示负利润，GLM 4 AllTools 无需额外指令，模型也能够准确理解： 计算利润率并排序 最后，我们让 GLM 4 Alltools 模型计算出各行业利润率，按照利润率从高到低生成图表。 绘制图表如下，数据结果计算非常准确： 2、统计平台月度账单 BigModel 平台的账单数据一直都困扰着大家，可以尝试用 GLM 4 AllTools 来帮助我们统计。 下面的示例中，用我的7月和8月账单数据，如果想要统计你的平台账单，可以从平台的费用明细 导出月度明细数据。 注意删除明细数据中把自己的 API key 列，防止泄漏给别人！ 费用明细 上传账单给沙盒 首先需要用上传文件的API 把7月和8月的明细账单上传并得到 fileid。代码示例如下： 统计7月账单数据 将两个文件的 fileid 提供给 GLM 4 AllTools 模型，让模型统计 7月的账单数据和用量。为了让模型更好的理解账单明细含义，我们可以将数据说明作为背景提供给模型参考。代码示例如下： 看下模型的统计结果，再对比下Excel的统计，全部一致！ 统计8月账单数据 使用同样方式，我们统计了8月份的账单金额和用量： 分析账单数据波动 最后我需要 GLM 4 AllTools 帮我对比两个月的账单，找出哪些产品消费数据显著增加或降低。prompt修改为： 由于任务复杂，模型推理花了会时间，最终为我找出来8月相对7月的波动产品，经过验证变化百分比准确! 写在最后的 TIPS 代码沙盒 Code Interpreter 工具很大程度加强了模型的计算能力，可以看到 GLM 4 AllTools 处理日常的数据分析已经完全没有问题了！ 但使用过程中仍然有些限制，在这里分享下： • GLM 4 AllTools模型建议在 user message 中增加指令要求，在 System 指令中容易和模型自身工具指令冲突。 • 处理数据分析的任务，数据字段的描述务必准确，虽然模型自身会去理解，也具备在代码出错时反思的能力，但是会额外消耗tokens。 • 尽量每个任务只做一种数据分析，比如案例中的两个月账单统计完成后，可以直接给 GLM 4 AllTools模型分析波动，而不用 COT 多步骤完成。 毕竟 AllTools模型中间使用工具过程的tokens都会计费，单价也比较贵，能省则省。 😃 BigModel智谱AI大模型开放平台 BigModel智谱AI大模型开放平台 https://open.bigmodel.cn/ ZHIPU AI OPEN PLATFORM 大模型开放平台 新一代国产自主通用AI开放平台，致力于将产品技术与行业场景双轮驱动的中国先进的认知智能技术和千行百业应用相结合，构建更高精度、高效率、通用化的AI开发新模式，实现智谱大模型的产业化，将AI的好处带给每个人。 方案背景 GLM 4 AllTools 是专门为支持智能体和相关任务而进一步优化的模型版本。代码沙盒 Code Interpreter 工具很大程度加强 GLM 4 AllTools 模型的数据计算能力，处理日常的数据分析已经完全没有问题。 1、分析行业收入数据 这个案例中，我们想要对2024年上半年各行业企业统计数据做图表分析。 收入数据可视化 首先，根据各行业营收统计数据，绘制成可视化的图表。代码示例： 绘制图表如下： 利润数据可视化 同样的，我们也可以将行业利润数据绘制可视化图表，prompt修改为：