【山东大学项目实训】进度汇报14

初始化LLM的修改，增添glm-4v和glm-3-turbo的接入，

下面是修改后的代码：

import sys

sys.path.append("../llm")
#将上级目录中的 llm 子目录添加到系统路径中，以便可以导入该目录中的模块

#导入模块和函数
from llm.zhipuai_llm import ZhipuAILLM
from llm.call_llm import parse_llm_api_key

#定义 model_to_llm 函数
def model_to_llm(model: str = None, temperature: float = 0.0, api_key: str = None):
    """
        智谱：model,temperature,api_key
        """
        #temperature：生成文本的温度参数，默认为 0.0。温度越高，生成的文本越随机；温度越低，生成的文本越确定。
    if model in ["glm-4", "glm-4v", "glm-3-turbo"]:
    #检查 model 参数是否是支持的模型之一
        if api_key == None:
        #用于访问API的密钥，设置默认值
            api_key = parse_llm_api_key("zhipuai")
        llm = ZhipuAILLM(model=model, zhipuai_api_key=api_key, temperature=temperature)
    else:
    #如果 model 参数不是支持的模型之一，抛出 ValueError 异常，提示不支持的模型
        raise ValueError(f"model{model} not support!!!")
        #返回创建的 ZhipuAILLM 对象
    return llm

• 修改LLM的初始化：根据指定的模型名称、温度参数和API密钥创建并返回一个智谱AI的LLM对象，便于在后续的应用中使用该模型进行文本生成、回答问题等任务。

• 自动获取API密钥：如果未提供API密钥，函数会自动调用 parse_llm_api_key 获取默认的API密钥，简化了用户的操作。

• 模型支持和验证：函数内部验证了提供的模型名称是否受支持，确保只使用有效的模型，避免由于无效模型名称导致的错误。