前言
华为云 ModelArts Studio 是基于 ModelArts 构建的一站式大模型即服务平台（MaaS），可通过与开源 Agent 框架 Dify.AI 结合来开发对接 AI 聊天助手。
在打造 “高情商” 特性的过程中，华为云ModelArts Studio 的自定义提示词和上下文管理功能堪称点睛之笔。通过预设不同情绪场景的对话模板，结合用户输入的语义分析，AI 能够灵活调整回复的语气与内容。例如，当用户倾诉烦恼时，聊天助手会以温柔共情的语言回应，而在用户咨询信息时，则切换为简洁专业的风格。这种情感化交互的实现，离不开平台强大的算力支持与模型优化能力，在训练过程中，能明显感受到数据处理和模型迭代的高效性。
具体操作步骤如下：
1、准备工作：
注册登录：前往华为云官网（https://www.huaweicloud.com/），注册并登录账号。
开通服务：在华为云服务列表中，找到并开通 ModelArts Studio 服务。
部署平台：推荐用华为云 Flexus X 实例，一键部署 Dify 平台，注意计算规格不要低于 C7.xlarge.2。
2、使用 ModelArts Studio 部署大语言模型：
2.1 选择定制：登录 ModelArts Studio 平台（目前仅华东二区域支持），在模型推理选择想要使用的大语言模型，如 “DeepSeek-V3-32K”，并点击 “微调” 进行定制。
2.2 创建模型：点击左上角 “创建模型”，自定义模型名称，并选择使用推荐权重文件，配置好后点击 “创建”。
2.3 部署模型：点击右上角的 “部署” 按钮，在部署页面中配置服务名称、资源规格和 QPS，配置好后点击 “提交”。当服务状态变为 “运行中” 时，模型部署完成。
2.4 获取 API 信息：创建 API Key 并保存密钥。(后面需要将python代码中的API进行替换)
3、使用 DIFY 编排工具构建 AI 智能体：
3.1 配置模型供应商：点击 Dify 右上角 “设置”，进入模型供应商页签。选择 “OpenAI-API-compatible” 供应商，并填入 ModelArts Studio 中获取的模型名称、API Key 和 API 地址（注意删除最后面的 “chat/completions” 部分）。
3.2 创建并编排 AI 智能体：点击 “工作室”，选择 “从空白创建”。选择应用类型为 “聊天助手”，并给应用起名字、选择图标和描述。创建完毕后，进入编排界面，填写提示词，可使用内置的提示生成器，并插入自定义变量，还可添加开场白和上下文，必要时可在 “上下文” 内引用知识库。
3.3 测试并发布 AI 智能体：编排完成后，通过右侧的对话框进行测试。若效果符合预期，选择 “发布” 保存所有编排，即可得到一个完整的 AI 智能体应用。
4. 项目需要的开发环境
Python：3.8
IDE：Pycharm或vscode
第三方库：① wxauto Version: 3.9.11.17.4 ② zhipuai Version: 2.1.4.20250325
pip install wxauto==3.9.11.17.4 zhipuai -i https://pypi.tuna.tsinghua.edu.cn/simple
打开您自己的微信
登录微信客户端，选择一个联系人或群聊，默认监听当前窗口
5、高情商AI聊天助手核心代码
from zhipuai import ZhipuAI
class ZhipuAIUtil:
def __init__(self, api_key):
self.api_key = api_key
self.client = ZhipuAI(api_key=self.api_key)
def get_answer(self, question):
try:
response = self.client.chat.completions.create(
model="glm-4",
messages=[
{"role": "user", "content": question},
],
)
return response.choices[0].message.content
except Exception as e:
error_message = str(e)
if "系统检测到输入或生成内容可能包含不安全或敏感内容" in error_message:
return "系统检测到输入或生成内容可能包含不安全或敏感内容，请您避免输入易产生敏感内容的提示语，感谢您的配合。"
else:
return error_message
# 使用示例
from zhipuai import ZhipuAI # zhipuai Version: 2.1.4.20230731
class ZhipuAIUtil:
def __init__(self, api_key):
self.api_key = api_key
self.client = ZhipuAI(api_key=self.api_key)
def get_answer(self, question):
try:
response = self.client.chat.completions.create(
model="glm-4",
messages=[
{"role": "user", "content": question},
],
)
return response.choices[0].message.content
except Exception as e:
error_message = str(e)
if "系统检测到输入或生成内容可能包含不安全或敏感内容" in error_message:
return "系统检测到输入或生成内容可能包含不安全或敏感内容，请您避免输入易产生敏感内容的提示语，感谢您的配合。"
else:
return error_message
# 使用示例
if __name__ == '__main__':
api_key = "55f67457af44ddaf5f53ab6dcd50b89d.KRnAjz8uOMaiJPbL"
zhipu_ai = ZhipuAIUtil(api_key=api_key)
while True:
question = input("请输入要提问的问题:\n")
print(zhipu_ai.get_answer(question if len(question) > 0 else '你好，请你直接写出冒泡排序算法，回答得简短一些'))
print()
6、聊天记录日志类Logger.py
import logging
from datetime import datetime
class LoggerClass:
def __init__(self, log_file='my_log.log'):
# 创建一个logger
self.logger = logging.getLogger('my_logger')
self.logger.setLevel(logging.DEBUG) # 设置日志级别
# 创建一个handler，用于写入日志文件，模式为'a'表示追加
self.file_handler = logging.FileHandler(log_file, mode='a')
# 创建一个formatter，设置日志格式
self.formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s:\n%(message)s\n')
self.file_handler.setFormatter(self.formatter)
# 给logger添加handler
self.logger.addHandler(self.file_handler)
def log_message(self, message, level=logging.INFO):
# 记录日志消息
if level == logging.DEBUG:
self.logger.debug(message)
elif level == logging.INFO:
self.logger.info(message)
elif level == logging.WARNING:
self.logger.warning(message)
elif level == logging.ERROR:
self.logger.error(message)
elif level == logging.CRITICAL:
self.logger.critical(message)
else:
self.logger.error(f"Invalid logging level: {level}")
def close(self):
# 关闭文件处理器
self.file_handler.close()
# 使用示例
if __name__ == '__main__':
# 获取今天的日期
today = datetime.now().date()
formatted_today = today.strftime('%Y-%m-%d') + ".log"
logger_class = LoggerClass(log_file=formatted_today)
logger_class.log_message('This is a log message at INFO level.')
7、WeChatListener.py 微信监听类
微信监听类，打开微信客户端后，pycharm中点击运行该文件即可执行程序
自动监听并用AI分析两人的对话
import time
from wxauto import WeChat # wxauto Version: 3.9.11.17.4
from AIUtil import ZhipuAIUtil
from Logger import LoggerClass
from datetime import datetime
"""
自动监听并用AI分析两人的对话
"""
class WeChatWindow:
def __init__(self, n=1, lens=5, api_key="55f67457af44ddaf5f53ab6dcd50b89d.KRnAjz8uOMaiJPbL", question="",
wait_for_oppo=1):
self.lens = lens
self.wx = WeChat()
self.currentWindow = []
self.msg5 = []
self.loggerClass = LoggerClass(datetime.now().date().strftime('%Y-%m-%d') + ".log")
self.aiUtil = ZhipuAIUtil(api_key=api_key)
self.wait_for_oppo = wait_for_oppo
self.question = question
self.cycle = n
self.update_current_window() # 启动时获取当前聊天记录
def update_current_window(self):
# 获取当前聊天窗口消息
msgs = self.wx.GetAllMessage(savevoice=True)
self.currentWindow = []
for msg in msgs:
if msg.type == 'friend' or msg.type == 'self':
self.currentWindow.append(msg.sender + ": " + msg.content)
self.msg5 = self.currentWindow[-self.lens:]
self.log(".\n".join(self.currentWindow))
# def chat_with(self, who): #默认监听当前窗口，不指定对象
# self.wx.ChatWith(who)
# self.update_current_window()
def print_last_messages(self):
print("=" * 100)
print("捕捉到当前5条消息: ")
for i in self.msg5:
print(i.encode('gbk', 'ignore').decode('gbk'))
print()
def print_AI_messages(self):
strs = ' '.join(self.msg5)
ans = self.aiUtil.get_answer(strs + self.question)
print("智谱AI:")
print(ans.encode('gbk', 'ignore').decode('gbk'))
def listen_for_new_messages(self):
i = 0
lastMsg5 = self.msg5
while True:
# 获取下一条新消息
msgs = self.wx.GetNextNewMessage(savevoice=True)
for msgList in msgs.values():
for item in msgList:
# if item[0] != 'SYS':
if item[0] != 'SYS' and item[1] != '[动画表情]' and item[1] != '[图片]': # 不计入表情包和图片
self.currentWindow.append(item[0] + ": " + item[1])
self.msg5 = self.currentWindow[-self.lens:]
if self.msg5 != lastMsg5:
self.log(self.currentWindow[-1])
lastMsg5 = self.msg5
self.print_last_messages()
i += 1
if i % self.cycle == 0: # 每隔cycle个消息AI分析一次
if self.wait_for_oppo == 1:
if not self.currentWindow[-1].startswith('Self'): # 只要最后一条消息不是自己的(是别人的)，就调用AI回答
self.print_AI_messages()
else:
self.print_AI_messages()
time.sleep(0.5)
def log(self, msg):
self.loggerClass.log_message(msg.encode('gbk', 'ignore').decode('gbk'))
if __name__ == '__main__':
chat_window = WeChatWindow(n=1, # 每发1次监听一次
lens=5, # 监听最近5个对话
api_key="55f67457af44ddaf5f53ab6dcd50b89d.KRnAjz8uOMaiJPbL", # 连接国内大模型智谱清言密钥
question="以上是一段对话，请你站在Self的角度并且模仿Self的语气(Self是年轻人)，替他回复，给出一个参考回答就可以了，请你反驳对面",
wait_for_oppo=1)
chat_window.print_last_messages()
chat_window.print_AI_messages()
chat_window.listen_for_new_messages()
8、项目程序启动测试
方法一：pycharm或vscode中运行WeChatListener.py
方法二：或在命令行中输入以下代码
python WeChatListener.py
2025-06-08 15:58:47,504 - my_logger - INFO:
Self: 可以.
xxx: 两点半怎么样.
xxx: 我开车载你.
Self: 可以.
Self: 你打个电话给我
总结
最终生成的聊天助手，不仅具备精准的问答能力，更展现出了 “有温度” 的智能交互体验。无论是日常闲聊还是深度对话，它都能敏锐捕捉用户情绪，给出恰到好处的回应。华为云 ModelArts Studio 真正让技术不再冰冷，而是成为连接人与智能情感沟通的桥梁，这次开发经历也让我对 AI 在情感交互领域的应用前景充满期待。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
