SEProblemFixer

locate_with_questions_deepseek

环境配置

1. 安装pip模块

   pip install --upgrade "openai>=1.0"
   pip install --upgrade "volcengine-python-sdk[ark]"

2. 在config.py中配置API_KEY和base_url。

   DeepSeeK官方的R1的API不支持JSON Output和Function Call，但火山引擎中的DeepSeeK-R1支持。

   同时，获取摘要的函数使用了火山引擎批量推理功能降低成本，因此运行代码必须配置火山引擎。

   import os
   
   deepseek_api_key = os.environ.get("ARK_API_KEY") # 记得设置系统环境变量`ARK_API_KEY`。
   deepseek_base_url = "https://ark.cn-beijing.volces.com/api/v3"
   deepseek_model = "" # your 在线推理 model Endpoint ID 
   deepseek_bi_model = "" # your 批量推理 model Endpoint ID

运行说明

1. 在prompt/deepseek/locate_with_questions.txt中，可以自己定义提示词，提示词支持的变量有以下几种：

   • commit_hash, commit_message, commit_type
   • code_repo, summary

   通过定义这些提示词，你可以自定义输入的是代码仓库还是代码总结。

2. locate_deepseek.py支持summary, 修改prompt/deepseek/locate_with_questions.txt即可。

3. locate_ark_bi.py是调用火山引擎批量推理进行多线程批量处理所有的测试用例，暂不支持summary。

实验笔记

1. 最终实验代码还是没有使用Function Calling功能，因为火山引擎的文档中对Function Calling功能做了以下陈述。

   Function Calling并不会增强模型能力， 并且FC模型综合能力不如pro

   不推荐使用其试图完成模型正常情况下做不到的事

   写代码、写sql、（无插件）解题等

   参考资料: Function Calling 使用说明

2. 使用DeepSeeK-R1进行多轮对话效果不好，无论如何修改System Prompt和User Prompt，模型从不询问问题。

3. 对比GLM-4，在复杂任务表现更好，如"实现jwt"任务中，他有创建文件的想法而GLM-4没有。

4. 新的问题：上下文长度受限。

5. 未来探索：doubao-1.5-thinking-pro？