Python调用智谱API快速搭建Chat-GML4.0模型

首先打开智谱官网:
智谱AI智谱AI是由清华大学计算机系技术成果转化而来的公司,致力于打造新一代认知智能通用模型。公司合作研发了双语千亿级超大规模预训练模型GLM-130B,并构建了高精度通用知识图谱,形成数据与知识双轮驱动的认知引擎,基于此模型打造了ChatGLM(chatglm.cn)。此外,智谱AI还推出了认知大模型平台Bigmodel.ai,包括CodeGeeX和CogView等产品,提供智能API服务,链接物理世界的亿级用户、赋能元宇宙数字人、成为具身机器人的基座,赋予机器像人一样“思考”的能力。icon-default.png?t=N7T8https://www.zhipuai.cn/?ref=ai-in-china.ghost.io
进入“开放平台”:注册一个账号后,点击“文档接口”:进入官方文档界面后点击下图链接:点击上图链接进入到GitHub仓库,点击“Code”下载代码(GitHub Desktop下载压缩都可以)反正就是要拿到他的包,然后用Pycharm或者别的工具打开,没有工具用资源管理器都行。我这边是直接用Pycharm打开,里面有官方文档:检查python和pip工具是否完好:

python --version  // 检查python环境
pip --version     // 检查pip工具

安装和更新zhipuai包:

pip install zhipuai                // 安装智谱AI的包
pip install --upgrade zhipuai      // 更新包

注意:这里有两种调用方式:

  1. 第一个就是根据文档指引创建一个Client,简单来讲就是创建一个“Client.py”文件导出,再用另一个文件引入罢了。
  2. 第二个就是直接调用,所有内容都写在一个文件里。

至于这个API key怎么拿?是否还记得“智谱AI开发平台”右上角de认证旁边有一个查看 API Key :copy进代码(前面打马赛克的地方):直接运行代码(app.py 或者 server.py)就可以跑起来,在终端里面进行问答:因为返回的内容是以流式传播,效果可能就是一两个字一行的,所以我这边做了一层整理。后期可以扩展Web。

附上源码:

from zhipuai import ZhipuAI
client = ZhipuAI(
    api_key="", # 填写您的 APIKey
)

print('请问有什么能够帮助到您?\n')
user_input = input()
response = client.chat.completions.create(
    model="glm-4",  # 填写需要调用的模型名称
    messages=[
        {"role": "user", "content": user_input},
    ],
    stream=True,
)

data_content = ""
char_count = 0
for chunk in response:
    data_content = chunk.choices[0].delta.content
    for char in data_content:
        char_count += 1
        if char_count >= 200:
            print()
            char_count = 0
    print(data_content, end='')
  • 25
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
sbm-ml (地域性商业模型-机器学习)是一种利用机器学习算法来建立地域性商业模型的方法。通过对大量商业数据的分析和学习,sbm-ml可以预测和优化商业模型的效果。它可以帮助企业理解市场趋势、挖掘潜在商机和优化运营策略,从而提高商业模型的成功率和效益。 sbm-gml (地域性商业模型-图神经网络)是一种利用图神经网络来构建地域性商业模型的方法。通过将商业数据表示为图结构,并利用图神经网络的强大学习能力,sbm-gml能够从数据中发现商业模型之间的关系和特征。它可以帮助企业确定不同商业模型的关联性、识别关键因素和改进商业模型的稳定性与可持续性。 sbm-bml (地域性商业模型-贝叶斯机器学习)是一种利用贝叶斯机器学习算法来建立地域性商业模型的方法。通过使用贝叶斯推理和统计分析,sbm-bml可以在不确定性的商业环境中进行决策和预测。它可以帮助企业应对风险、确定商业策略和优化商业投资,从而提高商业模型的稳定性和可靠性。 这三种地域性商业模型方法都使用了机器学习技术,但每种方法的重点不同。sbm-ml侧重于使用机器学习算法进行商业模型的预测和优化;sbm-gml侧重于利用图神经网络来探索商业模型之间的关联和特征;sbm-bml则以贝叶斯机器学习为基础,考虑不确定性因素进行商业决策和预测。根据实际情况和需求,企业可以选择适合自己的地域性商业模型方法。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值