add stop_seqs doc (#3090)

docs/zh/features/early_stop.md

@@ -1,13 +1,13 @@
 
 # 早停功能
 
-早停功能用于提前结束模型生成token的过程，具体来说早停功能会采取不同的策略，判断当前生成的token序列是否满足早停条件，如果满足则提前结束token生成。FastDeploy目前只支持repetition策略。
+早停功能用于提前结束模型生成token的过程，具体来说早停功能会采取不同的策略，判断当前生成的token序列是否满足早停条件，如果满足则提前结束token生成。FastDeploy目前支持`Repetition`策略和`Stop Sequence`策略。
 
-1. Repetition策略
-   * Repetition策略通过检查生成高概率token的次数决定是否需要触发早停功能。
-   * 具体来说，当某个batch生成token的概率连续超过用户设置的概率阈值达到用户指定的次数，将提前结束该batch的token生成过程。
+## 1.Repetition策略
+* Repetition策略通过检查生成高概率token的次数决定是否需要触发早停功能。
+* 具体来说，当某个batch生成token的概率连续超过用户设置的概率阈值达到用户指定的次数，将提前结束该batch的token生成过程。
 
-## 使用说明
+### 使用说明
 
 在启动服务时，添加早停功能的启动项。
 
@@ -62,9 +62,56 @@
     print(output)
     ```
 
-## 参数说明
+### 参数说明
 
 * `enable_early_stop`: (bool) 是否启用早停功能，默认设置为False。
 * `strategy`: (str) 早停功能使用的策略，目前仅支持repetition策略，默认设置为"repetition"。
 * `window_size`: (int) repetition策略中连续出现高概率token的次数上限，超过该次数将触发早停功能，默认设置为3000。
 * `threshold`: (float) repetition策略中的高概率阈值，默认设置为0.99。
+
+## 2.Stop Sequence策略
+* Stop Sequence策略通过检查生成的token序列是否包含用户指定的停止序列决定是否需要触发早停功能。
+* 具体来说，当某个batch生成的token序列中包含用户指定的停止序列时，将提前结束该batch的token生成过程。
+
+### 使用说明
+启动服务前，设置下列环境变量
+```
+FD_STOP_SEQS_MAX_LEN （表示支持停止序列的最大长度，默认为8）
+
+FD_MAX_STOP_SEQS_NUM（表示支持停止序列的最大数量，默认为5）
+```
+在请求服务时，在请求中包含`stop`字段，可以是`str`或`List[str]`。
+
+* 在线推理请求示例，请求时添加stop参数
+```
+# create a chat request with "stop" parameter
+import openai
+ip = "0.0.0.0"
+service_http_port = "8233"
+client = openai.Client(base_url=f"http://{ip}:{service_http_port}/v1", api_key="EMPTY_API_KEY")
+response = client.chat.completions.create(
+    model="default",
+    messages=[
+        {"role": "user", "content": '今天天气真好'},
+    ],
+    temperature=1.0,
+    top_p=0,
+    stream=False,
+    stop=["明天", "出去走走"]
+)
+```
+
+* 离线推理请求，在`SamplingParams`中增加`stop`参数
+```
+from fastdeploy.engine.sampling_params import SamplingParams
+from fastdeploy.entrypoints.llm import LLM
+
+model_name_or_path = "ERNIE-4.5-21B-A3B-Paddle"
+
+sampling_params = SamplingParams(temperature=1, top_p=0, stop=["出去走走"])
+llm = LLM(model=model_name_or_path, tensor_parallel_size=1)
+output = llm.chat(messages=[{"role": "user", "content": "今天天气真好"}], use_tqdm=True, sampling_params=sampling_params)
+
+print(output)
+
+```