更新模型名称 (#579)

* 更新模型名称

* 更新百度Search单元测试

---------

Co-authored-by: yinjiaqi <[email protected]>

README.md

@@ -111,7 +111,7 @@ template_str = "你扮演{role}, 请回答我的问题。\n\n问题：{question}
 # 定义输入，调用playground组件
 input = appbuilder.Message({"role": "java工程师", "question": "请简要回答java语言的内存回收机制是什么，要求100字以内"})
 
-playground = appbuilder.Playground(prompt_template=template_str, model="Qianfan-Appbuilder-Speed-8k")
+playground = appbuilder.Playground(prompt_template=template_str, model="Qianfan-Agent-Speed-8k")
 
 # 以打字机的方式，流式展示大模型回答内容
 output = playground(input, stream=True, temperature=1e-10)
@@ -157,7 +157,7 @@ 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"
 
-rag_with_baidu_search_pro = appbuilder.RagWithBaiduSearchPro(model="Qianfan-Appbuilder-Speed-8k")
+rag_with_baidu_search_pro = appbuilder.RagWithBaiduSearchPro(model="Qianfan-Agent-Speed-8k")
 
 input = appbuilder.Message("9.11和9.8哪个大")
 result = rag_with_baidu_search_pro.run(

appbuilder/core/agent.py

@@ -108,7 +108,7 @@ class AgentRuntime(BaseModel):
             class PlaygroundWithHistory(Component):
                 def __init__(self):
                     super().__init__()
-                    self.query_rewrite = QueryRewrite(model="Qianfan-Appbuilder-Speed-8k")
+                    self.query_rewrite = QueryRewrite(model="Qianfan-Agent-Speed-8k")
                     self.play = Playground(
                         prompt_template="{query}",
                         model="eb-4"

appbuilder/core/components/gbi/nl2sql/README.md

@@ -59,7 +59,7 @@ print(f"llm result: {nl2sql_result_message.content.llm_result}")
 ## 参数说明
 
 ### 初始化参数
-- model_name:  支持的模型名字 ERNIE-Bot 4.0, ERNIE-Bot, ERNIE-Bot-turbo, Qianfan-Appbuilder-Speed-8k
+- model_name:  支持的模型名字 ERNIE-Bot 4.0, ERNIE-Bot, ERNIE-Bot-turbo, Qianfan-Agent-Speed-8k
 - table_schemas: 表的 schema，例如:
 
 ```

appbuilder/core/components/gbi/nl2sql/component.py

@@ -38,7 +38,7 @@ def __init__(self, model_name: str, table_schemas: List[str], knowledge: Dict =
         创建 gbi nl2sql 对象
         
         Args:
-            model_name:  支持的模型名字 ERNIE-Bot 4.0, ERNIE-Bot, ERNIE-Bot-turbo, Qianfan-Appbuilder-Speed-8k
+            model_name:  支持的模型名字 ERNIE-Bot 4.0, ERNIE-Bot, ERNIE-Bot-turbo, Qianfan-Agent-Speed-8k
             table_schemas: 表的 schema 列表，例如: ```
                             CREATE TABLE `mytable` (
                             `d_year` COMMENT '年度,2019,2020..2022..',

appbuilder/core/components/gbi/select_table/README.md

@@ -51,7 +51,7 @@ print(f"选的表是: {select_table_result_message.content}")
 
 ## 参数说明
 ### 初始化参数
-- model_name: 支持的模型名字 ERNIE-Bot 4.0, ERNIE-Bot, ERNIE-Bot-turbo, Qianfan-Appbuilder-Speed-8k
+- model_name: 支持的模型名字 ERNIE-Bot 4.0, ERNIE-Bot, ERNIE-Bot-turbo, Qianfan-Agent-Speed-8k
 - table_descriptions: 表的描述是个字典，key: 是表的名字, value: 是表的描述，例如:
 
 ```

appbuilder/core/components/gbi/select_table/component.py

@@ -36,7 +36,7 @@ def __init__(self, model_name: str, table_descriptions: Dict[str, str],
         创建 GBI 选表对象
         
         Args:
-            model_name: 支持的模型名字 ERNIE-Bot 4.0, ERNIE-Bot, ERNIE-Bot-turbo, Qianfan-Appbuilder-Speed-8k
+            model_name: 支持的模型名字 ERNIE-Bot 4.0, ERNIE-Bot, ERNIE-Bot-turbo, Qianfan-Agent-Speed-8k
             table_descriptions: 表的描述是个字典，key: 是表的名字, value: 是表的描述，例如:
                                 {
                                     "超市营收明细表": "超市营收明细表，包含超市各种信息等",

appbuilder/core/components/llms/dialog_summary/README.md

@@ -23,7 +23,7 @@ import os
 # 请前往千帆AppBuilder官网创建密钥，流程详见：https://cloud.baidu.com/doc/AppBuilder/s/Olq6grrt6#1%E3%80%81%E5%88%9B%E5%BB%BA%E5%AF%86%E9%92%A5
 os.environ["APPBUILDER_TOKEN"] = "bce-YOURTOKEN"
 
-dialog_summary = appbuilder.DialogSummary("Qianfan-Appbuilder-Speed-8k")
+dialog_summary = appbuilder.DialogSummary("Qianfan-Agent-Speed-8k")
 text = "用户:喂我想查一下我的话费\n坐席:好的女士您话费余的话还有87.49元钱\n用户:好的知道了谢谢\n坐席:嗯不客气祝您生活愉快再见"
 answer = dialog_summary(appbuilder.Message(text))
 print(answer)

appbuilder/core/components/llms/dialog_summary/component.py

@@ -32,7 +32,7 @@ class DialogSummary(CompletionBaseComponent):
         # 请前往千帆AppBuilder官网创建密钥，流程详见：https://cloud.baidu.com/doc/AppBuilder/s/Olq6grrt6#1%E3%80%81%E5%88%9B%E5%BB%BA%E5%AF%86%E9%92%A5
         os.environ["APPBUILDER_TOKEN"] = '...'
 
-        dialog_summary = appbuilder.DialogSummary("Qianfan-Appbuilder-Speed-8k")
+        dialog_summary = appbuilder.DialogSummary("Qianfan-Agent-Speed-8k")
         text = "用户:喂我想查一下我的话费\n坐席:好的女士您话费余的话还有87.49元钱\n用户:好的知道了谢谢\n坐席:嗯不客气祝您生活愉快再见"
         answer = dialog_summary(appbuilder.Message(text))
         print(answer)

appbuilder/core/components/llms/hallucination_detection/README.md

@@ -37,8 +37,8 @@ context = \
 很多怕胖的女生看到猪皮就怕怕，但其实猪皮含有大量胶原蛋白，营养价值很高呢！这里红通通的猪皮还经过韩国秘制酱汁处理过，会有一点点辣味。烤猪皮的时候也需特别注意火侯，这样吃起来才会有外脆内Q的口感！'''
 answer = '澳门新麻蒲烤肉店并不是每天开门。'
 
-#! 该组件推荐使用Qianfan-Appbuilder-Speed-8k模型。
-hallucination_detection = appbuilder.HallucinationDetection('Qianfan-Appbuilder-Speed-8k')
+#! 该组件推荐使用Qianfan-Agent-Speed-8k模型。
+hallucination_detection = appbuilder.HallucinationDetection('Qianfan-Agent-Speed-8k')
 inputs = {'query': query, 'context': context, 'answer': answer}
 msg = appbuilder.Message(inputs)
 result = hallucination_detection.run(msg)
@@ -58,7 +58,7 @@ os.environ["APPBUILDER_TOKEN"] = "bce-YOURTOKEN"
 ### 初始化参数
 | 参数名称 | 参数类型 | 是否必须 | 描述 | 示例值 |
 | ------- | ------- | -------- | -------- | -------- |
-| `model` | str | 是 | 模型名称，用于指定要使用的千帆模型。推荐使用Qianfan-Appbuilder-Speed-8k模型。 | Qianfan-Appbuilder-Speed-8k |
+| `model` | str | 是 | 模型名称，用于指定要使用的千帆模型。推荐使用Qianfan-Agent-Speed-8k模型。 | Qianfan-Agent-Speed-8k |
 | `secret_key` | str | 否 | 用户鉴权token，默认从环境变量中获取: `os.getenv("APPBUILDER_TOKEN", "")` | bce-v3/XXX |
 | `gateway` | str | 否 | 后端网关服务地址，默认从环境变量中获取: `os.getenv("GATEWAY_URL", "")` | https://appbuilder.baidu.com |
 | `lazy_certification` | bool | 否 | 延迟认证，为True时在第一次运行时认证。默认为False。 | False |

appbuilder/core/components/llms/hallucination_detection/component.py

@@ -26,7 +26,7 @@
 class HallucinationDetection(CompletionBaseComponent):
     """
     幻觉检测。输入<query, context, answer>，判断answer中是否存在幻觉。
-    *注：该组件推荐使用Qianfan-Appbuilder-Speed-8k模型。*
+    *注：该组件推荐使用Qianfan-Agent-Speed-8k模型。*
 
     Examples:
 
@@ -103,7 +103,7 @@ def __init__(
         """初始化幻觉检测组件。
         
         Args:
-            model (str|None): 模型名称，用于指定要使用的千帆模型。推荐使用Qianfan-Appbuilder-Speed-8k模型。
+            model (str|None): 模型名称，用于指定要使用的千帆模型。推荐使用Qianfan-Agent-Speed-8k模型。
             secret_key (str, 可选): 用户鉴权token, 默认从环境变量中获取: os.getenv("APPBUILDER_TOKEN", "").
             gateway (str, 可选): 后端网关服务地址，默认从环境变量中获取: os.getenv("GATEWAY_URL", "")
             lazy_certification (bool, 可选): 延迟认证，为True时在第一次运行时认证. Defaults to False.

appbuilder/core/components/llms/is_complex_query/README.md

@@ -21,7 +21,7 @@ import appbuilder
 # 请前往千帆AppBuilder官网创建密钥，流程详见：https://cloud.baidu.com/doc/AppBuilder/s/Olq6grrt6#1%E3%80%81%E5%88%9B%E5%BB%BA%E5%AF%86%E9%92%A5
 os.environ["APPBUILDER_TOKEN"] = "..."
 
-is_complex_query = appbuilder.IsComplexQuery(model="Qianfan-Appbuilder-Speed-8k")
+is_complex_query = appbuilder.IsComplexQuery(model="Qianfan-Agent-Speed-8k")
 
 msg = "吸塑包装盒在工业化生产和物流运输中分别有什么重要性？"
 msg = appbuilder.Message(msg)
@@ -42,7 +42,7 @@ os.environ["APPBUILDER_TOKEN"] = "bce-YOURTOKEN"
 ### 初始化参数
 |参数名称 |参数类型 |是否必须 |描述 |示例值|
 |--------|--------|--------|----|------|
-|model |str  |是 |模型名称，用于指定要使用的千帆模型|Qianfan-Appbuilder-Speed-8k|
+|model |str  |是 |模型名称，用于指定要使用的千帆模型|Qianfan-Agent-Speed-8k|
 
 ### 调用参数
 |参数名称 |参数类型 |是否必须 |描述 |示例值|

appbuilder/core/components/llms/is_complex_query/component.py

@@ -38,7 +38,7 @@ class IsComplexQuery(CompletionBaseComponent):
         # 请前往千帆AppBuilder官网创建密钥，流程详见：https://cloud.baidu.com/doc/AppBuilder/s/Olq6grrt6#1%E3%80%81%E5%88%9B%E5%BB%BA%E5%AF%86%E9%92%A5
         os.environ["APPBUILDER_TOKEN"] = "..."
 
-        is_complex_query = appbuilder.IsComplexQuery(model="Qianfan-Appbuilder-Speed-8k")
+        is_complex_query = appbuilder.IsComplexQuery(model="Qianfan-Agent-Speed-8k")
 
         msg = "吸塑包装盒在工业化生产和物流运输中分别有什么重要性？"
         msg = appbuilder.Message(msg)

appbuilder/core/components/llms/mrc/README.md

@@ -9,7 +9,7 @@ MRC（阅读理解问答模块）是一项先进的自然语言处理功能，
 ### 特色优势
 我们的MRC模块，基于百度自研的先进语言模型文新一言，提供了一系列强大的阅读理解问答功能。在保持文本理解和问题回答的高精度的同时，
 我们特别强调了答案的质量和交互体验。以下是我们MRC模块的几个主要功能特色：
- - 1.多版本模型支持：我们的MRC模块包括不同版本的文新一言大模型，Erniebot 4.0、Qianfan-Appbuilder-Speed-8k等，每个版本都针对特定的应用场景进行了优化。 用户可以根据自己的需求选择最适合的模型版本，以获得最佳的性能。
+ - 1.多版本模型支持：我们的MRC模块包括不同版本的文新一言大模型，Erniebot 4.0、Qianfan-Agent-Speed-8k等，每个版本都针对特定的应用场景进行了优化。 用户可以根据自己的需求选择最适合的模型版本，以获得最佳的性能。
  - 2.答案格式的多样性：
    - 拒答功能：当问题超出模型知识范围或不具体时，模型可以选择不回答，避免提供误导性信息。
    - 澄清功能：对于模棱两可或含糊的问题，模型可以请求更多信息或对问题进行澄清，以确保答案的准确性。
@@ -41,7 +41,7 @@ import os
 os.environ["APPBUILDER_TOKEN"] = "..."
 
 # 创建MRC对象
-mrc_component = appbuilder.MRC(model="Qianfan-Appbuilder-Speed-8k")
+mrc_component = appbuilder.MRC(model="Qianfan-Agent-Speed-8k")
 
 # 初始化参数
 msg = "残疾人怎么办相关证件"
@@ -119,7 +119,7 @@ import os
 os.environ["APPBUILDER_TOKEN"] = '...'
 
 # 创建MRC对象
-mrc_component = appbuilder.MRC(model="Qianfan-Appbuilder-Speed-8k")
+mrc_component = appbuilder.MRC(model="Qianfan-Agent-Speed-8k")
 
 # 初始化参数
 msg = "残疾人怎么办相关证件"

appbuilder/core/components/llms/nl2pandas/README.md

@@ -30,7 +30,7 @@ query = "海淀区有哪些学校"
 query = appbuilder.Message(query)
 
 #定义并运行Nl2pandas实例，得到结果
-nl2pandas = appbuilder.Nl2pandasComponent(model="Qianfan-Appbuilder-Speed-8k")
+nl2pandas = appbuilder.Nl2pandasComponent(model="Qianfan-Agent-Speed-8k")
 answer = nl2pandas(query, table_info = table_info)
 ```
 

appbuilder/core/components/llms/nl2pandas/component.py

@@ -38,7 +38,7 @@ class Nl2pandasComponent(CompletionBaseComponent):
         query = "海淀区有哪些学校"
         query = appbuilder.Message(query)
         
-        nl2pandas = appbuilder.Nl2pandasComponent(model="Qianfan-Appbuilder-Speed-8k")
+        nl2pandas = appbuilder.Nl2pandasComponent(model="Qianfan-Agent-Speed-8k")
         answer = nl2pandas(query, table_info = table_info)
     """
     name = "nl2pandas"

appbuilder/core/components/llms/oral_query_generation/README.md

@@ -28,8 +28,8 @@ text = ('文档标题：在OPPO Reno5上使用视频超级防抖\n'
         '防抖后手机屏幕将出现超级防抖Pro开关，点击即可开启或关闭。 除此之外，前置视频同样加持防抖算法，边走边拍也能稳定聚焦脸部'
         '，实时视频分享您的生活。')
 
-#! 该组件推荐使用Qianfan-Appbuilder-Speed-8k模型。
-oral_query_generation = appbuilder.OralQueryGeneration(model='Qianfan-Appbuilder-Speed-8k')
+#! 该组件推荐使用Qianfan-Agent-Speed-8k模型。
+oral_query_generation = appbuilder.OralQueryGeneration(model='Qianfan-Agent-Speed-8k')
 result = oral_query_generation(appbuilder.Message(text), query_type='全部', output_format='str')
 
 print(result)
@@ -47,7 +47,7 @@ os.environ["APPBUILDER_TOKEN"] = "bce-YOURTOKEN"
 
 | 参数名称 | 参数类型 | 是否必须 | 描述 | 示例值 |
 | ------- | ------- | -------- | -------- | -------- |
-| `model` | str | 是 | 模型名称，用于指定要使用的千帆模型。推荐使用Qianfan-Appbuilder-Speed-8k模型。 | Qianfan-Appbuilder-Speed-8k |
+| `model` | str | 是 | 模型名称，用于指定要使用的千帆模型。推荐使用Qianfan-Agent-Speed-8k模型。 | Qianfan-Agent-Speed-8k |
 | `secret_key` | str | 否 | 用户鉴权token，默认从环境变量中获取: `os.getenv("APPBUILDER_TOKEN", "")` | bce-v3/XXX |
 | `gateway` | str | 否 | 后端网关服务地址，默认从环境变量中获取: `os.getenv("GATEWAY_URL", "")` | https://appbuilder.baidu.com |
 | `lazy_certification` | bool | 否 | 延迟认证，为True时在第一次运行时认证。默认为False。 | False |

appbuilder/core/components/llms/oral_query_generation/component.py

@@ -27,7 +27,7 @@
 class OralQueryGeneration(CompletionBaseComponent):
     r"""
     口语化Query生成，可用于问答场景下对文档增强索引。
-    *注：该组件推荐使用Qianfan-Appbuilder-Speed-8k模型。*
+    *注：该组件推荐使用Qianfan-Agent-Speed-8k模型。*
 
     Examples:
 
@@ -43,7 +43,7 @@ class OralQueryGeneration(CompletionBaseComponent):
                 '防抖 开启路径：打开「相机 > 视频 > 点击屏幕上方的“超级防抖”标识」 后置视频同时支持超级防抖和超级防抖Pro功能，开启超级'
                 '防抖后手机屏幕将出现超级防抖Pro开关，点击即可开启或关闭。 除此之外，前置视频同样加持防抖算法，边走边拍也能稳定聚焦脸部'
                 '，实时视频分享您的生活。')
-        oral_query_generation = appbuilder.OralQueryGeneration(model='Qianfan-Appbuilder-Speed-8k')
+        oral_query_generation = appbuilder.OralQueryGeneration(model='Qianfan-Agent-Speed-8k')
         answer = oral_query_generation(appbuilder.Message(text), query_type='全部', output_format='str')
         print(answer.content)
     """
@@ -88,7 +88,7 @@ def __init__(
         """初始化口语化Query生成模型。
         
         Args:
-            model (str|None): 模型名称，用于指定要使用的千帆模型。推荐使用Qianfan-Appbuilder-Speed-8k模型。
+            model (str|None): 模型名称，用于指定要使用的千帆模型。推荐使用Qianfan-Agent-Speed-8k模型。
             secret_key (str, 可选): 用户鉴权token, 默认从环境变量中获取: os.getenv("APPBUILDER_TOKEN", "").
             gateway (str, 可选): 后端网关服务地址，默认从环境变量中获取: os.getenv("GATEWAY_URL", "")
             lazy_certification (bool, 可选): 延迟认证，为True时在第一次运行时认证. Defaults to False.

appbuilder/core/components/llms/playground/README.md

@@ -26,7 +26,7 @@ os.environ["APPBUILDER_TOKEN"] = "..."
 
 play = appbuilder.Playground(
     prompt_template="你好，{name}，我是{bot_name}，{bot_name}是一个{bot_type}，我可以{bot_function}，你可以问我{bot_question}。",
-    model="Qianfan-Appbuilder-Speed-8k"
+    model="Qianfan-Agent-Speed-8k"
 )
 play(appbuilder.Message({"name": "小明", "bot_name": "小红", "bot_type": "聊天机器人", "bot_function": "聊天", "bot_question": "你好吗？"}), stream=False)
 ```

appbuilder/core/components/llms/playground/component.py

@@ -31,7 +31,7 @@ class Playground(CompletionBaseComponent):
         import appbuilder
         os.environ["APPBUILDER_TOKEN"] = "..."
 
-        play = appbuilder.Playground(prompt_template="你好，{name}，我是{bot_name}，{bot_name}是一个{bot_type}，我可以{bot_function}，你可以问我{bot_question}。", model="Qianfan-Appbuilder-Speed-8k")
+        play = appbuilder.Playground(prompt_template="你好，{name}，我是{bot_name}，{bot_name}是一个{bot_type}，我可以{bot_function}，你可以问我{bot_question}。", model="Qianfan-Agent-Speed-8k")
         play(appbuilder.Message({"name": "小明", "bot_name": "小红", "bot_type": "聊天机器人", "bot_function": "聊天", "bot_question": "你好吗？"}), stream=False)
 
     """

appbuilder/core/components/llms/qa_pair_mining/README.md

@@ -23,7 +23,7 @@ import appbuilder
 # 请前往千帆AppBuilder官网创建密钥，流程详见：https://cloud.baidu.com/doc/AppBuilder/s/Olq6grrt6#1%E3%80%81%E5%88%9B%E5%BB%BA%E5%AF%86%E9%92%A5
 os.environ["APPBUILDER_TOKEN"] = "..."
 
-qa_mining = appbuilder.QAPairMining(model="Qianfan-Appbuilder-Speed-8k")
+qa_mining = appbuilder.QAPairMining(model="Qianfan-Agent-Speed-8k")
 # 输入文本（对此文本挖掘问答对）
 msg = '2017年，工商银行根据外部宏观环境变化，及时调整业务策略，优化资产负债结构，' + \
     '保持存贷款业务协调发展，提升资产负债配置效率。' + \
@@ -110,7 +110,7 @@ split_result = splitter(parse_result)
 
 # 每个段落抽取问答对，并返回结果
 for doc_segment in split_result.content["paragraphs"]:
-    qa_mining = QAPairMining(model="Qianfan-Appbuilder-Speed-8k")
+    qa_mining = QAPairMining(model="Qianfan-Agent-Speed-8k")
     text = doc_segment.get("text", "")
     if text == "":
         logger.error("Text is null. break")

appbuilder/core/components/llms/qa_pair_mining/component.py

@@ -33,7 +33,7 @@ class QAPairMining(CompletionBaseComponent):
 
         os.environ["APPBUILDER_TOKEN"] = "..."
 
-        qa_mining = appbuilder.QAPairMining(model="Qianfan-Appbuilder-Speed-8k")
+        qa_mining = appbuilder.QAPairMining(model="Qianfan-Agent-Speed-8k")
         # 输入文本（对此文本挖掘问答对）
         msg =  '2017年，工商银行根据外部宏观环境变化，及时调整业务策略，优化资产负债结构，' + \
             '保持存贷款业务协调发展，提升资产负债配置效率。' + \

appbuilder/core/components/llms/query_decomposition/README.md

@@ -21,7 +21,7 @@ import appbuilder
 # 请前往千帆AppBuilder官网创建密钥，流程详见：https://cloud.baidu.com/doc/AppBuilder/s/Olq6grrt6#1%E3%80%81%E5%88%9B%E5%BB%BA%E5%AF%86%E9%92%A5
 os.environ["APPBUILDER_TOKEN"] = "..."
 
-query_decomposition = appbuilder.QueryDecomposition(model="Qianfan-Appbuilder-Speed-8k")
+query_decomposition = appbuilder.QueryDecomposition(model="Qianfan-Agent-Speed-8k")
 
 msg = "吸塑包装盒在工业化生产和物流运输中分别有什么重要性？"
 msg = appbuilder.Message(msg)
@@ -42,7 +42,7 @@ os.environ["APPBUILDER_TOKEN"] = "bce-YOURTOKEN"
 ### 初始化参数
 |参数名称 |参数类型 |是否必须 |描述 |示例值|
 |--------|--------|--------|----|------|
-|model |str  |是 |模型名称，用于指定要使用的千帆模型|Qianfan-Appbuilder-Speed-8k|
+|model |str  |是 |模型名称，用于指定要使用的千帆模型|Qianfan-Agent-Speed-8k|
 
 ### 调用参数
 |参数名称 |参数类型 |是否必须 |描述 |示例值|

appbuilder/core/components/llms/query_decomposition/component.py

@@ -33,7 +33,7 @@ class QueryDecomposition(CompletionBaseComponent):
         # 请前往千帆AppBuilder官网创建密钥，流程详见：https://cloud.baidu.com/doc/AppBuilder/s/Olq6grrt6#1%E3%80%81%E5%88%9B%E5%BB%BA%E5%AF%86%E9%92%A5
         os.environ["APPBUILDER_TOKEN"] = "..."
 
-        query_decomposition = appbuilder.QueryDecomposition(model="Qianfan-Appbuilder-Speed-8k")
+        query_decomposition = appbuilder.QueryDecomposition(model="Qianfan-Agent-Speed-8k")
 
         msg = "吸塑包装盒在工业化生产和物流运输中分别有什么重要性？"
         msg = appbuilder.Message(msg)