华为云Flexus+DeepSeek征文 | 华为云 ModelArts Studio 赋能高情商AI聊天助手：用技术构建有温度的智能对话体验

原创

已于 2025-06-29 17:28:19 修改 · 1k 阅读

26 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #华为云 Flexus #高情商AI聊天助手 #Dify-LLM推理引擎 #AI Agent智能体 #华为云DeepSeek #DeepSeek-V3/R1

于 2025-06-29 14:00:20 首次发布

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。

在这里插入图片描述

开通服务：在华为云服务列表中，找到并开通 ModelArts Studio 服务。

在这里插入图片描述

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。

在这里插入图片描述

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。

在这里插入图片描述

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。

DeepSeek-V3-32K

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)

在这里插入图片描述

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）。

在这里插入图片描述

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。

在这里插入图片描述

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。

在这里插入图片描述

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

在这里插入图片描述

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 i