调用智谱AI，面试小助手Flask简单示例

1.接入AI

获取API密钥

在智谱AI的官方网站上注册，右上角点击API密钥，新建并复制一个 API Key，不要在公开的代码中暴露你的API密钥

Python代码

在Jupyter Notebook中，发送HTTP请求到智谱AI的API，需要提前pip install zhipuai
运行代码，看到 AI 的回复

from zhipuai import ZhipuAI
client = ZhipuAI(api_key="") # 填写自己的APIKey
response = client.chat.completions.create(
    model="glm-4-0520",  # 填写需要调用的模型编码
    messages=[
        {
   "role": "system", "content": "你是一个乐于解答各种问题的助手，你的任务是为用户提供专业、准确、有见地的建议。"},
        {
   "role": "user", "content": "我对太阳系的行星非常感兴趣，特别是土星。请提供关于土星的基本信息，包括其大小、组成、环系统和任何独特的天文现象。"},
    ],
    stream=True,
)
for chunk in response:
    print(chunk.choices[0].delta)

2.小助手的实现流程

（1）提供求职者的简历内容，输入给 AI 面试官，让其分析并生成面试问题
（2）将生成的问题逐一输入给 AI 求职者，让其给出答案
（3）对 AI 生成的结果进行组合整理

from zhipuai import ZhipuAI

# 初始化ZhipuAI客户端
client = ZhipuAI(api_key="")  # “”填写自己的APIKey

def generate_interview_questions(resume):
    # 构建系统消息，描述面试官的角色和任务
    system_message = {
   
        "role": "system",
        "content": "你是一位经验丰富的 AI 面试官，下面我会给你一份求职者的简历，请分析简历并提出相关的面试问题。要求输出格式如下，每个问题一行，此外不要有任何多余的内容：{序号}. {面试问题}"
    }
    # 构建用户消息，包含简历内容
    user_message = {
   "role": "user", "content": resume}
    # 调用API生成面试问题
    response = client.chat.completions.create(
        model="glm-4-0520",  # 填写需要调用的模型编码
        messages=[system_message, user_message],
        stream=True,
    )
    
    # 处理API响应，生成面试问题列表
    questions = []
    current_question = ""
    for chunk in response:
        delta = chunk.choices[0].delta
        if delta.content:
            current_question