zynq zc706 JTAG调试、QSPI FLASH 程序固化及遇到的问题

接收、发送、滤波器 AD9361 介绍（上）
增益控制、时钟和PLL、ENSM AD9361 介绍 (中)
校准、数据接口 (CMOS) AD9361 介绍 (下)
数据接口(LVDS) SPI和附加接口信号在AD9361 介绍 (终)

VIVADO 和 SDK 为2016.4版

一 、JTAG调试

拨码开关如图所示
SW4 0 1
SW11 0 0 0 0 0在这里插入图片描述

点击Program FPGA

在这里插入图片描述

如果SW4为 1 0 时会提示如下错误在这里插入图片描述

配置 Run Configurations 如下

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

二、生成BOOT.mcs文件

1.在vivado中生成比特流文件

2.在SDK中通过JTAG在线调试 ，调试好后将程序烧写到FLASH中

a.设置现在的板级支持包，选中xilffs库，否则在使用现在的板级支持包创建FSBL文件时会提示需要xilffs库（！也可以在新建FSBL文件时直接创建新的板级支持包 VIVADO 和 SDK 为2018.3版直接创建比较合适，要不板级支持包少几个头文件）

在这里插入图片描述

b.进入设置界面

在这里插入图片描述

勾选xilffs库

在这里插入图片描述

c. 新建FSBL文件

在这里插入图片描述

（2018.3直接建新的FSBL_bsp板级支持包）

在这里插入图片描述

d.生成BOOT.mcs

在这里插入图片描述

FSBL.elf

bit文件

XXX.elf 一定按顺序添加

在这里插入图片描述

三、将BOOT.mcs文件固化到FLASH

在JTAG启动模式下点击Program Flash

在这里插入图片描述
在这里插入图片描述

注意 ：zc706 Flash Type 选取qspi_dual_parallel（2018.3选qspi_x8_dual_parallel）,如果为默认的qspi_single 可以完成烧写，但是INIT灯变为红色，且DONE灯不亮 没有完成BIT文件对FPGA的配置

id="article_content" class="article_content clearfix"> id="content_views" class="markdown_views prism-atom-one-dark">

一、前言

通过“开源模型应用落地-工具使用篇-Spring AI-Function Call（八）-CSDN博客”文章的学习，已经掌握了如何通过Spring AI集成OpenAI以及如何进行function call的调用，现在将进一步学习Spring AI更高阶的用法，如：传递历史上下文对话，调整模型参数等。

二、术语

2.1、Spring AI

是 Spring 生态系统的一个新项目，它简化了 Java 中 AI 应用程序的创建。它提供以下功能：

  • 支持所有主要模型提供商，例如 OpenAI、Microsoft、Amazon、Google 和 Huggingface。
  • 支持的模型类型包括“聊天”和“文本到图像”，还有更多模型类型正在开发中。
  • 跨 AI 提供商的可移植 API，用于聊天和嵌入模型。
  • 支持同步和流 API 选项。
  • 支持下拉访问模型特定功能。
  • AI 模型输出到 POJO 的映射。

三、前置条件

3.1、JDK 17+

下载地址：Java Downloads | Oracle

3.2、创建Maven项目

SpringBoot版本为3.2.3


    org.springframework.boot
    spring-boot-starter-parent
    3.2.3
     

 class="hljs-button signin active" data-title="登录复制" data-report-click="{"spm":"1001.2101.3001.4334"}">
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6

3.3、导入Maven依赖包


	org.projectlombok
	lombok
	true



	ch.qos.logback
	logback-core



	ch.qos.logback
	logback-classic



	cn.hutool
	hutool-core
	5.8.24



	org.springframework.ai
	spring-ai-openai-spring-boot-starter
	0.8.0

 class="hljs-button signin active" data-title="登录复制" data-report-click="{"spm":"1001.2101.3001.4334"}">
class="hide-preCode-box">
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27

3.4、 科学上网的软件

四、技术实现

4.1、新增配置

spring:
  ai:
    openai:
      api-key: sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
 class="hljs-button signin active" data-title="登录复制" data-report-click="{"spm":"1001.2101.3001.4334"}">

PS:

  1. openai要替换自己的api-key
  2. 模型参数根据实际情况调整

4.2、历史上下文对话传递

# 方式一

使用 UserMessage 和 AssistantMessage 指定上下文

# 方式二

使用 ChatMessage 指定上下文

4.3、 调整模型参数

# 方式一

在配置文件中指定

# 方式二

在代码中指定

五、测试

在代码中指定的上下文：

对话次数

用户

AI

第一轮

你好

你好！很高兴能为你提供帮助。有什么问题可以问我吗？

第二轮

我家在广州，你呢？

我是一个人工智能助手，没有具体的居住地。不过我可以帮助你解答问题和提供信息。有什么我可以帮你的吗？

第三轮

我家有什么特产

浏览器返回的结果：

idea返回的结果：

结论：

AI能识别出我家在广州，并给出广州的特产

六、附带说明

6.1、更多的模型参数配置

OpenAI Chat :: Spring AI Reference

6.2、完整代码

import cn.hutool.core.collection.CollUtil;
import cn.hutool.core.map.MapUtil;
import jakarta.servlet.http.HttpServletResponse;
import lombok.extern.slf4j.Slf4j;
import org.apache.commons.lang3.StringUtils;
import org.springframework.ai.chat.Generation;
import org.springframework.ai.chat.messages.*;
import org.springframework.ai.chat.prompt.ChatOptions;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.chat.prompt.SystemPromptTemplate;
import org.springframework.ai.openai.OpenAiChatClient;
import org.springframework.ai.openai.OpenAiChatOptions;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import org.springframework.web.servlet.mvc.method.annotation.SseEmitter;

import java.util.List;

@Slf4j
@RestController
@RequestMapping("/api")
public class OpenaiTestController {
    @Autowired
    private OpenAiChatClient openAiChatClient;


    @RequestMapping("/history")
    public SseEmitter history(HttpServletResponse response) {
        response.setContentType("text/event-stream");
        response.setCharacterEncoding("UTF-8");
        SseEmitter emitter = new SseEmitter();

        String systemPrompt = "{prompt}";
        SystemPromptTemplate systemPromptTemplate = new SystemPromptTemplate(systemPrompt);

        String userPrompt = "我家有什么特产？";
        Message userMessage = new UserMessage(userPrompt);

        Message systemMessage = systemPromptTemplate.createMessage(MapUtil.of("prompt", "you are a helpful AI assistant"));

        UserMessage userChatMessage1 = new UserMessage("你好");
        AssistantMessage assistantChatMessage1 = new AssistantMessage("你好！很高兴能为你提供帮助。有什么问题可以问我吗？");

        UserMessage userChatMessage2 = new UserMessage("我家在广州，你呢？");
        AssistantMessage assistantChatMessage2 = new AssistantMessage("我是一个人工智能助手，没有具体的居住地。不过我可以帮助你解答问题和提供信息。有什么我可以帮你的吗？");

//        ChatMessage userChatMessage2 = new ChatMessage(MessageType.USER, "你好");
//        ChatMessage assistantChatMessage2 = new ChatMessage(MessageType.ASSISTANT, "你好！很高兴能为你提供帮助。有什么问题可以问我吗？");
//
//        ChatMessage userChatMessage2 = new ChatMessage(MessageType.USER, "我家在广州，你呢？");
//        ChatMessage assistantChatMessage2 = new ChatMessage(MessageType.ASSISTANT, "我是一个人工智能助手，没有具体的居住地。不过我可以帮助你解答问题和提供信息。有什么我可以帮你的吗？");

        OpenAiChatOptions openAiChatOptions = OpenAiChatOptions.builder()
                .withModel("gpt-3.5-turbo")
                .withTemperature(0.7f)
                .withMaxTokens(4096)
                .withN(1)
                .withTopP(0.9f)
                .build();

        Prompt prompt = new Prompt(List.of(userChatMessage1, assistantChatMessage1, userChatMessage2, assistantChatMessage2, userMessage, systemMessage), openAiChatOptions);

        log.info(prompt.toString());

        openAiChatClient.stream(prompt).subscribe(x -> {
            try {
                log.info("response: {}", x);
                List generations = x.getResults();
                if (CollUtil.isNotEmpty(generations)) {
                    for (Generation generation : generations) {
                        AssistantMessage assistantMessage = generation.getOutput();
                        String content = assistantMessage.getContent();
                        if (StringUtils.isNotEmpty(content)) {
                            emitter.send(content);
                        } else {
                            if (StringUtils.equals(content, "null"))
                                emitter.complete(); // Complete the SSE connection
                        }
                    }
                }


            } catch (Exception e) {
                emitter.complete();
                log.error("流式返回结果异常", e);
            }
        });


        return emitter;
    }


}
 class="hljs-button signin active" data-title="登录复制" data-report-click="{"spm":"1001.2101.3001.4334"}">
class="hide-preCode-box">
data-report-view="{"mod":"1585297308_001","spm":"1001.2101.3001.6548","dest":"https://blog.csdn.net/m0_74825260/article/details/145227359","extend1":"pc","ab":"new"}">>
注：本文转载自blog.csdn.net的lwd_up的文章"https://blog.csdn.net/weixin_44630490/article/details/109158846"。版权归原作者所有，此博客不拥有其著作权，亦不承担相应法律责任。如有侵权，请联系我们删除。
复制链接
复制链接
相关推荐
发表评论

评论记录：

未查询到任何数据！