如何调用文心一言API，并将它接入网站中？

本文主要介绍如何调用文心一言提供的API，初步往自己的应用程序中接入语言大模型，适合初学者，了解一步步地通过HTTP接入外部的服务。

如果你在配置过程中忘记了哪些页面是干啥的，欢迎回到此处查找页面。

文心一言控制台页面

文心3.5开发文档

1、需求

了解需求的重要性不需要我多说了，由于是入门案例，所以尽可能简单快速。

需求：通过Java 语言，在服务器内部发送HTTP请求，携带我需要问的问题，GPT解析我的问题，返回给我答案。

这样一个需求，显然需要GPT方提供一个API，用于收到我的HTTP请求，然后，解析报文中的内容，然后响应给我的服务器。

好，开干。

2、前置准备

既然要调用人家的API，显然需要遵循人家提供好的操作步骤来完成调用。

2.1 创建应用

打开页面：

文心一言控制台页面

会弹出一些注册账号、实名认证的一些东西，快速完成，此处省略不写。

完成认证后，在点击一下上面的页面链接：进入控制台。

此处时间充裕的小伙伴可以看一下操作文档：

文心3.5开发文档

不看也没关系

点击应用接入，然后点击创建应用，填写应用名称、应用描述、服务是固定的、不能选择，默认全选，不过放心，是有免费额度的，学习的话绰绰有余。

记录好上面的API Key和Secret Key，后面会用到，注意保密。

2.2 获取access_token

获取access_token - ModelBuilder

可以先看文档

鉴权就类似于登录功能，用于识别谁在调用文心一言提供的API，完成鉴权拿到一个access_token，默认30天的有效期，学习中可以暂时用啦。

通过在线测试平台一键获取access_token，找个小本本记录下来，和上面一样，要保密。

3、小试牛刀：HTTP请求访问测试

先不硬编码，我们先用ApiFox来进行HTTP请求调用一下，看看好不好使，当然，用Postman也行，不过我觉得前者更好用一点。

按照之前提供的参考文档：

文心3.5开发文档

我们来完成示例请求

3.1 填写接口信息

此处用Postman的同学，Params的意思就是url+"?参数key：参数值那些"，一个意思

url填写：https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/ernie-3.5-128k-preview

方法是：Post

请求体：

{
    "messages": [ {"role": "user","content": "你知道玛雅文明吗？"}]
}

3.2 发送请求，等待响应

由于是同步获取，所以速度有点慢，稍微等一会就好了（即它是一次性返回所有的回答的）

可以看到返回了一些我们想要的数据

致辞，HTTP请求访问的方式完成。

4、使用Java代码来发起请求

4.1 配置yml以及编写源代码

通常，第三方库提供的HTTP请求包会更好用，这里我们使用OkHttp库，它更轻量，社区活跃度也更高。

使用Maven导入依赖

<!--OkHttp-->
<dependency>
    <groupId>com.squareup.okhttp3</groupId>
    <artifactId>okhttp</artifactId>
    <version>4.11.0</version>
</dependency>
<!-- 临时解析yaml的工具 -->
<dependency>
    <groupId>org.yaml</groupId>
    <artifactId>snakeyaml</artifactId>
    <version>2.0</version>
</dependency>

编写代码，此处为了解耦合，我使用了yml来外部配置这些配置内容：

在resources目录下放入yml配置文件，名称：ai-config.yml

wenxin:
  chat3.5-128k:
    url: https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/ernie-3.5-128k-preview
    method: POST
    headers:
      Content-Type: application/json
    params:
      access_token: 24.e063ee6cada56b90418d50628f350883... # 不完整，填写自己的

 

编写代码： 

//ConfigLoader
package com.ai.config;

import org.yaml.snakeyaml.Yaml;
import java.io.InputStream;

public class ConfigLoader {
    public static WenxinConfig loadConfig() {
        try (InputStream inputStream = ConfigLoader.class.getClassLoader().getResourceAsStream("ai-config.yml")) {
            if (inputStream == null) {
                throw new RuntimeException("配置文件未找到！");
            }
            Yaml yaml = new Yaml();
            return yaml.loadAs(inputStream, WenxinConfig.class);
        } catch (Exception e) {
            throw new RuntimeException("加载配置文件失败", e);
        }
    }

    public static void main(String[] args) {
        WenxinConfig wenxinConfig = loadConfig();
    }
}

// WenxinConfig
package com.ai.config;

import lombok.Data;

import java.util.Map;


@Data
public class WenxinConfig {
    private Map<String, ChatConfig> wenxin;

    @Data
    public static class ChatConfig {
        private String url;
        private String method;
        private Map<String, String> headers;
        private Map<String, String> params;

    }
}

// WenxinRequester
package com.ai;

import com.ai.config.ConfigLoader;
import com.ai.config.WenxinConfig;
import okhttp3.*;

import java.util.Map;

public class WenxinRequester {
    public static void main(String[] args) {
        // 加载配置
        WenxinConfig config = ConfigLoader.loadConfig();
        WenxinConfig.ChatConfig chatConfig = config.getWenxin().get("chat3.5-128k");

        // 构造请求参数
        String accessToken = chatConfig.getParams().get("access_token");
        String urlWithParams = chatConfig.getUrl() + "?access_token=" + accessToken;

        // 构造请求体
        String jsonBody = "{ \"messages\": [ {\"role\": \"user\", \"content\": \"你知道玛雅文明吗？\"} ] }";

        // 构造 OkHttp 请求
        OkHttpClient client = new OkHttpClient();
        RequestBody body = RequestBody.create(jsonBody, MediaType.parse("application/json"));

        Request.Builder requestBuilder = new Request.Builder()
                .url(urlWithParams)
                .method(chatConfig.getMethod(), body);

        // 添加 Headers
        for (Map.Entry<String, String> entry : chatConfig.getHeaders().entrySet()) {
            requestBuilder.addHeader(entry.getKey(), entry.getValue());
        }

        // 发送请求并处理响应
        try (Response response = client.newCall(requestBuilder.build()).execute()) {
            if (response.isSuccessful()) {
                System.out.println("Response: " + response.body().string());
            } else {
                System.out.println("请求失败，状态码: " + response.code());
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

4.2 运行出错与解决

运行一下，报错了，在预料之中

它是阻塞等待获取全部的消息后，才返回的，毕竟生成文本需要时间嘛

解决方案：

新增这四行代码即可：

再次运行：可以看到消息已经成功接受了

5、扩展

至此，一个简单的调用API的过程就就结束了，当然，这里还留了很多问题待解决：

1. 如何实现连续对话操作，就像我们使用大模型对话那样，能够结合上下文理解我们的意思？

2. 如何定位用户，即每个用户都有自己的对话？

3. 如何不同步阻塞？阻塞带来了哪些问题？能否实时完成对话的输出呢？

4. ......

过两天继续完善吧，如果大家也有兴趣。

最后，一切有为法皆如梦幻泡影，如露亦如电。愿你不为世间事所困，开朗地应对生活这一课题吧。