Python开发AI智能体(一)———国内大模型调用

前言

首先介绍一下什么是AI智能体

智能体（Agent）是指能够感知环境、自主决策并执行行动的智能化实体。它基于人工智能技术，通过传感器获取信息，利用算法分析数据，并借助执行器完成目标。智能体可分为软件型（如聊天机器人）和实体型（如自动驾驶汽车），具备学习、推理和适应性特征。其核心能力在于动态交互与任务优化，广泛应用于智能制造、智慧城市、医疗诊断等领域。随着深度学习与物联网技术的发展，智能体正从单一任务处理向多模态协同进化，成为推动数字化转型的核心技术之一。

从这篇文章开始我将手把手教大家从0开始搭建属于自己的智能体，包括聊天机器人、RAG对话应用以及数据库智能体。

---

一、开发环境

版本：Python 3.10.4 版本（注：Python版本至少3.9以上，最好是3.10版本）  MySQL8.0

开发工具：PyCharm

二、申请大模型APIKey

我们这里调用的大模型是智谱AI的（glm-4-flash），这个模型是免费的而且对于目前阶段来说，这个免费的大模型是完全够我们使用的，不需要再额外充钱。

智谱AI官网 智谱AI开放平台

没有登录注册的需要先注册登录一下，然后在右上角点击添加新的 API key

​

API key的名称自行定义，这里建议最好是英文+数字

​

创建好API key之后，将它复制下来备用。这里建议你可以直接创建一个记事本，然后将你的API key 放到里面。因为后续我们还要申请不同平台的API key,都放在记事本里面方便管理。

​

三、代码编写

当我们申请好智谱AI的API key之后，下一步我们就要开始利用API调用大模型

1.安装智谱AI的第三方库

pip install --upgrade zhipuai

2.引入第三方库并使用API key

from zhipuai import  ZhipuAI
api_key = "XXXXXXXX"
client = ZhipuAI(api_key=api_key)

 3.定义智能体模板

prompt = '介绍一下你自己'
response = client.chat.completions.create(
    model='glm-4-flash',
    messages=[
        {"role":"user","content":"你好"},
        {"role":"assistant","content":"我是人工智能助手"},
        {"role":"user","content":prompt}

    ],

)

 client.chat.completions.create 是OpenAI API 中用于生成聊天式对话补全（Chat Completions）的方法，属于 OpenAI Python 库（版本 1.0+）

• model: 指定使用的模型，这里使用的是 glm-4-flash

• messages:对话消息列表，每条消息需包含 role 和 content 字段。

• role：消息的角色，可以是 system、user 或 assistant。

• content：消息的内容

• 代码中第一条用的user（用户消息）角色，输入你提出的问题

• 第二条用的assistant（AI 回复）角色,代表 AI 的回答，用于记忆上下文（比较重要），如果省略 assistant 消息，AI 可能不会记住过去的回复

• 第三条用的user（用户消息）角色，输入你提出的问题

4.返回输出结果

print(response.choices[0].message.content)

这里如果直接返回response,它返回的是一个对象，对象中有很多我们不需要的参数和结果，但是我们只需要大模型回答的结果，所以这里我们需要对对象中的列表进行筛选，从而获得我们想到的结果。

5.运行结果

6.优化

上述写法虽然能够成功运行，但是输出结果的时候是生成全部答案之后整体输出，这不符合大模型的输出形式。所以我们需要开通流式输出，让我们的大模型能够实时输出结果。

response = client.chat.completions.create(
    model='glm-4-flash',
    messages=[
        {"role":"user","content":"你好"},
        {"role":"assistant","content":"我是人工智能助手"},
        {"role":"user","content":prompt}

    ],
    #开通流式输出
    stream = True
)
for chunk in response:
    print(chunk.choices[0].delta.content,end='')

---

开通流式输出之后，对应的我们输出结果的方式也要改变。这里使用了一个for循环，循环输出筛选之后的结果。 

7.完整代码

#1.安装智谱AI第三方库 pip install --upgrade zhipuai
#2.引入第三方库
from zhipuai import  ZhipuAI
api_key = "XXXXXXXXX"
client = ZhipuAI(api_key=api_key)
prompt = '介绍一下你自己'
response = client.chat.completions.create(
    model='glm-4-flash',
    messages=[
        {"role":"user","content":"你好"},
        {"role":"assistant","content":"我是人工智能助手"},
        {"role":"user","content":prompt}

    ],
    #开通流式输出
    stream = True
)


# print(response.choices[0].message.content)
for chunk in response:
    print(chunk.choices[0].delta.content,end='')