期望：百度云正式登陆环境

import appbuilder

os.environ["APPBUILDER_TOKEN"] = "bce-YOURTOKEN"

print(appbuilder.show_model_list())

期望结果

当前可以使用的模型列表如下：
Erniebot4-8k
Llama2-13b
...

https://github.com/baidubce/app-builder/blob/master/cookbooks/console_rag.ipynb

appbuilder.core._exception.AppBuilderServerException: request_id=3a2f2a81-d557-47d1-96f7-9aa6c13330c7, code=1039, message=应用服务已下线，请前往应用中心创建新应用（跳转URL：https://console.bce.baidu.com/ai_apaas/appCenter）, service_err_code=, service_err_message=

文档解析在使用手册中是免费使用的，但我使用示例代码进行文档解析，返回权限错误。这是什么原因呢？而我使用同样的API KEY进行TTS是可以正常返回结果的。
以下是具体报错信息：
Traceback (most recent call last):
File "/home/yxliu56/code/work/app-builder/docprase.py", line 42, in
parse_result = parser(msg, return_raw=True)
File "/home/yxliu56/code/work/app-builder/appbuilder/core/component.py", line 94, in call
return self.run(*inputs, **kwargs)
File "/home/yxliu56/code/work/app-builder/appbuilder/core/components/doc_parser/doc_parser.py", line 126, in run
self.check_response_header(response)
File "/home/yxliu56/code/work/app-builder/appbuilder/core/component.py", line 149, in check_response_header
raise BaseRPCException(message)
appbuilder.core._exception.BaseRPCException: request_id=30d05399-ea69-4b10-93be-0dcebb70e255 , http status code is 401, body is {"requestId":"30d05399-ea69-4b10-93be-0dcebb70e255","code":216003,"message":"Authentication error: ( Unsupported authorization header type )"}

以下是我的调用代码
`import os
os.environ["APPBUILDER_TOKEN"] = "我的百度apikey，是复制的SDK密钥中的API KEY"
from appbuilder.core.components.doc_parser.doc_parser import DocParser
from appbuilder.core.components.doc_splitter.doc_splitter import DocSplitter
from appbuilder.core.message import Message

进行文档内容解析

file_path = "text.pptx" # 待解析的文件路径
msg = Message(file_path)
parser = DocParser()
parse_result = parser(msg)
print(parse_result.content)`

尊敬的开发者您好，对于文档中的文本类的流程图，没有想到也能够提取文字，但是带来了新的困扰，文档将流程图文本也解析为para_type=text，导致我无法区分哪些是流程图文本，如下图所示，请问有考虑将图片内容提取的文本和其他文本做区分吗，流程图内的文本太碎片，无法区分导致，文档解析后的文本无法阅读

像调用MB一样直接调用大模型，需要playground组件给个例子来说明。

当前appbuilder依赖了一个非常早期的pydantic版本（https://github.com/baidubce/app-builder/blob/master/requirements.txt#L3 ）
当前很多三方组件不兼容此版本，建议升级到2.x版本。

相关文档：https://docs.pydantic.dev/latest/migration/

如图，在问答返回的AppBuilderClientIterator中打印出来的，如果调用了我自定义的组件，能否把组件的结果返回。
或者能配置下，调用了我的组件就直接返回结果，不再自动调用chatAgent做转换

import appbuilder
import os

# 设置环境中的TOKEN，以下TOKEN为访问和QPS受限的试用TOKEN，正式使用请替换为您的个人TOKEN
os.environ["APPBUILDER_TOKEN"] = "bce-v3/ALTAK-n5AYUIUJMarF7F7iFXVeK/1bf65eed7c8c7efef9b11388524fa1087f90ea58"

# 从AppBuilder网页获取并传入应用ID，以下为地理小达人应用ID
app_id = "42eb211a-14b9-43d2-9fae-193c8760ef26"

app_builder_client = appbuilder.AppBuilderClient(app_id)
conversation_id = app_builder_client.create_conversation()

answer = app_builder_client.run(conversation_id, "**的首都在哪里？春季天气怎么样？有什么适合玩的景点？")
print(answer.content)

输出：

c:\ATemp>python test.py
Traceback (most recent call last):
File "c:\ATemp\test.py", line 2, in
import appbuilder
File "C:\Python39\lib\site-packages\appbuilder_init_.py", line 60, in
from .core.components.rag_with_baidu_search_pro import RagWithBaiduSearchPro
File "C:\Python39\lib\site-packages\appbuilder\core\components\rag_with_baidu_search_pro_init_.py", line 20, in
from .component import RagWithBaiduSearchPro
File "C:\Python39\lib\site-packages\appbuilder\core\components\rag_with_baidu_search_pro\component.py", line 21, in
from appbuilder.core.components.rag_with_baidu_search_pro.parse_rag_pro_response import ParseRagProResponse
File "C:\Python39\lib\site-packages\appbuilder\core\components\rag_with_baidu_search_pro\parse_rag_pro_response.py", line 16, in
from appbuilder.core.components.llms.base import CompletionResponse
File "C:\Python39\lib\site-packages\appbuilder\core\components\llms\base.py", line 69, in
class ModelArgsConfig(BaseModel):
File "C:\Python39\lib\site-packages\appbuilder\core\components\llms\base.py", line 71, in ModelArgsConfig
temperature: confloat(gt=0.0, le=1.0) = Field(default=1e-10, description="模型的温度参数，范围从 0.0 到 1.0。")
File "C:\Python39\lib\site-packages\pydantic\types.py", line 475, in confloat
annotated_types.Interval(gt=gt, ge=ge, lt=lt, le=le),
TypeError: Interval() takes no arguments

为什么appbuilder sdk 的query改写不是对最后的query进行改写，而是直接回答了。

instruction为None时会报错，需要设置个值。

from appbuilder import RagWithBaiduSearchPro
from appbuilder import Message
tool = RagWithBaiduSearchPro(model="ERNIE-Bot")
result = tool.run(Message(query), stream=False, instruction=Message(""))

ERNIE Speed-AppBuilder用不了，ERNIE-Bot 4.0调用太慢，ERNIE-Bot和ERNIE-Bot-turbo效果差，所以GBI什么时候能升级一下

使用打包pyinstaller死活打不进去appbuilder

1. 使用的是txt文本文档

2. 设置的参数如下

splitter = DocSplitter(splitter_type="split_by_chunk", max_segment_length=50, overlap=0,
                       separators=["。", "！", "？", ".", "!", "?", "……", "|\n", "\\n", "\n", "；"])

最终返回结果始终只有一段，且超过设置的50字

cookbooks/text_generation.ipynb
1、cookbook中的模型初始化参数名称，有误；
code:

error:

1. model_name参数名称错误
2. 模型名称错误

2、问答对结果不对
code:

output:

谁写的这doc string。

另外https://cloud.baidu.com/doc/AppBuilder/s/nluzkdben 这个文档的top p也写反了

你好，请问是否有langchain适配appbuilder接口的示例呢？由于appbuilder和百度其它模型调用方式不同，似乎目前的langchain.community中的QianfanChatEndpoint无法直接使用？

升级V0.4.0版本SDK后，在Python 3.11版本上报错，导入包出问题。

/home/bjadks/.conda/envs/rag/lib/python3.10/site-packages/appbuilder/core/constants.py

GBI是否可以引用知识库检索进行问题的优化

https://github.com/baidubce/app-builder/blob/master/README.md
该说明文案有误：

也可以使用我们的官方镜像来按照和运行

按照==》安装

TypeError: 'type' object is not subscriptable

当前面向开发者提供开放的数据结构，包括Message和Component，方便开发者融入个人已有的大模型应用程序。此部分仍在不断建设中。

消息(Message)
构建大模型应用的统一数据结构，基于Pydantic构建，在不同的Component之间流动。Message几类的默认字段是content，类型是Any。

目前版本SDK导入Excel模板文档会将其当作普通文档进行处理，从AppBuilder控制台上传就是正常的处理方式，请问什么时候可以支持该功能

class MRC(CompletionBaseComponent):
"""
阅读理解问答组件，基于大模型进行阅读理解问答，支持拒答、澄清、重点强调、友好性提升、溯源等多种功能，可用于回答用户提出的问题。

Examples:

    .. code-block:: python

        import appbuilder
        os.environ["APPBUILDER_TOKEN"] = '...'

        mrc_component = appbuilder.MRC()

        # 获取功能说明
        instructions = mrc_component.get_instruction_set()

        # 输出功能说明
        for key, value in instructions.items():
            print(f"{key}: {value}")

        # 模拟运行MRC组件，开启澄清和友好性提升功能
        result = mrc_component.run(appbuilder.Message("什么是人工智能？"), clarify=True, friendly=True)

        # 输出运行结果
        print(result)