【大模型应用开发-实战】（五）手把手入门智普清言官方API调用-使用openai、zhipu sdk和requests调用（二）

已于 2025-06-28 19:00:14 修改
阅读量641 收藏 3
点赞数 10
CC 4.0 BY-SA版权
分类专栏： 大模型应用开发 文章标签： virtualenv transformer 文心一言 ocr chatgpt YOLO 腾讯云AI代码助手
于 2025-06-28 18:59:19 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/forest_long/article/details/148979743

目录

一、前置准备

二、多种方式实现

1、使用curl方式

2、使用openAI依赖库方式

3、使用zhipuai 依赖库方式

三、完整代码

1、整体依赖

2、.env文件

3、核心代码

四、测试运行

1、使用openAI依赖库方式

2、使用zhipuai依赖库方式

一、前置准备

参考：

【大模型应用开发-实战】（四）手把手入门智普清言官方API调用-准备工作（一）-优快云博客

二、多种方式实现

1、使用curl方式

代码实现

curl --location 'https://open.bigmodel.cn/api/paas/v4/chat/completions' \
--header 'Authorization: Bearer <你的apikey>' \
--header 'Content-Type: application/json' \
--data '{
    "model": "glm-4",
    "messages": [
        {
            "role": "user",
            "content": "你好"
        }
    ]
}'

2、使用openAI依赖库方式

1）安装依赖

pip install openai==1.93.0

2）新建.env文件

ZHIPUAI_API_KEY = "zhipuai_api_key"
LANGCHAIN_API_KEY = "zhipuai_api_key"

3）核心调用实现

# -*- coding: utf-8 -*-
import os
from openai import OpenAI
from dotenv import load_dotenv

load_dotenv()
api_key = os.getenv("ZHIPUAI_API_KEY")



def method2():
    """
    使用openAI依赖库
    :return:
    """
    #
    client = OpenAI(
        api_key=api_key,
        base_url="https://open.bigmodel.cn/api/paas/v4/"
    )

    completion = client.chat.completions.create(
        model="glm-4",
        messages=[
            {"role": "system", "content": "你是一个聪明且富有创造力的小说作家"},
            {"role": "user",
             "content": "请你作为童话故事大王，写一篇短篇童话故事，故事的主题是要永远保持一颗善良的心，要能够激发儿童的学习兴趣和想象力，同时也能够帮助儿童更好地理解和接受故事中所蕴含的道理和价值观。"}
        ],
        top_p=0.7,
        temperature=0.9
    )

    print(completion.choices[0].message)


if __name__ == '__main__':
    method2()

3、使用zhipuai 依赖库方式

1）安装依赖

pip install zhipuai==2.1.5.20250626

2）新建.env文件

ZHIPUAI_API_KEY = "zhipuai_api_key"
LANGCHAIN_API_KEY = "zhipuai_api_key"

3）核心调用实现

# -*- coding: utf-8 -*-
import os
from zhipuai import ZhipuAI
from dotenv import load_dotenv

load_dotenv()
api_key = os.getenv("ZHIPUAI_API_KEY")


def method3():
    """
    使用zhipuai 依赖库
    :return:
    """
    client = ZhipuAI(api_key=api_key)  # 填写您自己的APIKey

    # 方法1，同步调用
    response1 = client.chat.completions.create(
        model="glm-4-0520",  # 填写需要调用的模型编码
        messages=[
            {"role": "user", "content": "作为一名营销专家，请为我的产品创作一个吸引人的slogan"},
            {"role": "assistant", "content": "当然，为了创作一个吸引人的slogan，请告诉我一些关于您产品的信息"},
            {"role": "user", "content": "智谱AI开放平台"},
            {"role": "assistant", "content": "智启未来，谱绘无限一智谱AI，让创新触手可及!"},
            {"role": "user", "content": "创造一个更精准、吸引人的slogan"}
        ],
    )
    print(response1.choices[0].message)

    # 方法2，异步调用
    response2 = client.chat.asyncCompletions.create(
        model="glm-4-0520",  # 填写需要调用的模型编码
        messages=[
            {
                "role": "user",
                "content": "请你作为童话故事大王，写一篇短篇童话故事，故事的主题是要永远保持一颗善良的心，要能够激发儿童的学习兴趣和想象力，同时也能够帮助儿童更好地理解和接受故事中所蕴含的道理和价值观。"
            }
        ],
    )
    print(response2)
    # exit()

    # 方法3，流式调用
    response3 = 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 response3:
        print(chunk.choices[0].delta)



if __name__ == '__main__':
    method3()

三、完整代码

1、整体依赖

requirements.txt
openai==1.93.0
zhipuai==2.1.5.20250626
langchain==0.3.26
langchain-community==0.3.26
langchain_openai==0.3.27
langchainhub==0.1.21
httpx_sse==0.4.1
requests==2.32.4
python-dotenv==1.1.1

安装依赖

pip install -r requirements.txt

2、.env文件

ZHIPUAI_API_KEY = "zhipuai_api_key"
LANGCHAIN_API_KEY = "zhipuai_api_key"

3、核心代码

chatglm_langchain_call.py
# -*- coding: utf-8 -*-
import os
from openai import OpenAI
from zhipuai import ZhipuAI
from dotenv import load_dotenv

load_dotenv()
api_key = os.getenv("ZHIPUAI_API_KEY")


def method1():
    """
    使用curl方式

    curl --location 'https://open.bigmodel.cn/api/paas/v4/chat/completions' \
--header 'Authorization: Bearer <你的apikey>' \
--header 'Content-Type: application/json' \
--data '{
    "model": "glm-4",
    "messages": [
        {
            "role": "user",
            "content": "你好"
        }
    ]
}'
    :return:
    """


def method2():
    """
    使用openAI依赖库
    :return:
    """
    #
    client = OpenAI(
        api_key=api_key,
        base_url="https://open.bigmodel.cn/api/paas/v4/"
    )

    completion = client.chat.completions.create(
        model="glm-4",
        messages=[
            {"role": "system", "content": "你是一个聪明且富有创造力的小说作家"},
            {"role": "user",
             "content": "请你作为童话故事大王，写一篇短篇童话故事，故事的主题是要永远保持一颗善良的心，要能够激发儿童的学习兴趣和想象力，同时也能够帮助儿童更好地理解和接受故事中所蕴含的道理和价值观。"}
        ],
        top_p=0.7,
        temperature=0.9
    )

    print(completion.choices[0].message)


def method3():
    """
    使用zhipuai 依赖库
    :return:
    """
    client = ZhipuAI(api_key=api_key)  # 填写您自己的APIKey

    # 方法1，同步调用
    response1 = client.chat.completions.create(
        model="glm-4-0520",  # 填写需要调用的模型编码
        messages=[
            {"role": "user", "content": "作为一名营销专家，请为我的产品创作一个吸引人的slogan"},
            {"role": "assistant", "content": "当然，为了创作一个吸引人的slogan，请告诉我一些关于您产品的信息"},
            {"role": "user", "content": "智谱AI开放平台"},
            {"role": "assistant", "content": "智启未来，谱绘无限一智谱AI，让创新触手可及!"},
            {"role": "user", "content": "创造一个更精准、吸引人的slogan"}
        ],
    )
    print(response1.choices[0].message)

    # 方法2，异步调用
    response2 = client.chat.asyncCompletions.create(
        model="glm-4-0520",  # 填写需要调用的模型编码
        messages=[
            {
                "role": "user",
                "content": "请你作为童话故事大王，写一篇短篇童话故事，故事的主题是要永远保持一颗善良的心，要能够激发儿童的学习兴趣和想象力，同时也能够帮助儿童更好地理解和接受故事中所蕴含的道理和价值观。"
            }
        ],
    )
    print(response2)
    # exit()

    # 方法3，流式调用
    response3 = 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 response3:
        print(chunk.choices[0].delta)



if __name__ == '__main__':
    # method1()
    method2()
    # method3()

四、测试运行

1、使用openAI依赖库方式

2、使用zhipuai依赖库方式

1）方法1 同步调用

2）方法3流式调用

ChatGLM——SDK实现模型API调用
计算机硕士的博客
06-11 3848
ChatGLM——SDK实现模型API调用，同步调用、异步调用、SSE调用。
智谱清言大模型API调用教程
zwd307932411的博客
01-11 8098
本文介绍六种API来使用智谱清言的大模型的方式，分别是：文生文，文生图，文生视频，图生视频，图片理解，视频理解。保姆级教程，采用简洁代码，小白易看懂！
智谱开放平台API调用解析
yuanlaile的博客
10-10 5809
​智谱AI成立于2019年，由‌清华大学计算机系知识工程实验室的技术成果转化而来，是一家致力于人工智能技术研发和应用的公司。智谱致力于打造新一代认知智能大模型，专注于做大模型的中国创新。这里详解智谱开放平台API调用详细内容。 ​
2.3 调用智谱 API
热门推荐
Alexa_的博客
11-18 3万+
智谱 AI 是由清华大学计算机系技术成果转化而来的公司，致力于打造新一代认知智能通用模型。公司合作研发了双语千亿级超大规模预训练模型 GLM-130B，并构建了高精度通用知识图谱，形成数据与知识双轮驱动的认知引擎，基于此模型打造了 ChatGLM（chatglm.cn）。ChatGLM 系列模型，包括 ChatGLM-130B 和 ChatGLM-6B 模型，支持相对复杂的自然语言指令，并且能够解决困难的推理类问题。
如何用Python调用智谱清言api进行智能问答
henanlion的博客
08-28 4550
智谱清言是由一款由清华大学研发实用的AI智能工具，可以在手机app，网页端使用，也可以通过API来调用。目前智谱AI已经解锁了长文档阅读、AI智能生成视频、自定义智能体、AI画图等功能，大家可以尝试使用。今天给大家分享一下如何用Python来调用智谱AI的API，实现交互式的智能问答。网页端显示。
GLM-4-Flash 大模型API免费了，手把手构建“儿童绘本”应用实战（附源码）
老牛啊
08-27 2946
GLM-4-Flash 大模型API免费了，我们本文基于免费API构建一个“儿童绘本”应用，包括使用文生图产出绘本故事插图……
【大模型应用开发】学习导读列表--建议收藏
02-27 500
开发大模型相关应用，其技术核心点虽然在大语言模型上，但一般通过调用 API 或开源模型来实现核心的理解与生成，通过 Prompt Enginnering 来实现大语言模型的控制，因此，虽然大模型是深度学习领域的集大成之作，大模型开发却更多是一个工程问题。 在大模型开发中，我们一般不会去大幅度改动模型，而是将大模型作为一个调用工具，通过 Prompt Engineering、数据工程、业务逻辑分解等手段来充分发挥大模型能力，适配应用任务，而不会将精力聚焦在优化模型本身上。
智普清言开放平台函数调用
m0_46355062的博客
07-23 2284
最后，我们将问题和执行结果一起发送给大语言模型。大语言模型根据“要创建一个文件夹”的结果，进行总结，生成最终反馈给客户的信息。通过这样的流程，我们不仅实现了用户需求的自动化处理，还确保了整个过程的智能化和高效性。客户的需求就像一颗种子，经过我们的智能系统，最终开花结果，完美地呈现在客户面前。
LLM之调用智谱API实现问答
qq_40734883的博客
11-18 5827
LLM之调用智谱API实现问答
【常见大模型API调用】第三篇：清华智谱--智谱AI
qq_45584615的博客
10-21 2791
智谱AI是一家由清华大学计算机系知识工程实验室的技术成果转化而来的AI知识智能技术开发商。智谱AI致力于打造新一代认知智能大模型，专注于做大模型的中国创新。2024年1月16日，智谱AI在首届技术开放日上发布了新一代基座大模型GLM-4。GLM-4可以支持更长的上下文，具备更强的多模态能力。GLM-4的All Tools能力全新发布，它可以自主根据用户意图，自动理解、规划复杂指令，并自由调用网页浏览器、Code Interpreter代码解释器和多模态文生图大模型以完成复杂任务。
智谱清言 HTTP调用 + postman使用
weixin_63681863的博客
04-07 2538
智谱清言 http调用
【大模型应用开发-实战】（四）手把手入门智普清言官方API调用-准备工作（一）
最新发布
06-28 389
摘要：获取智谱AI API Key的步骤包括：1）访问智谱AI开放平台官网并注册登录；2）完成个人或企业实名认证；3）在用户中心创建API Key，填写应用名称等信息；4）保存生成的API Key作为身份验证凭证。整个过程需在智谱AI开放平台完成，确保后续API调用的顺利进行。（100字）
智谱清言 & GLMs智能体手册
GLM_ZhiPuAI的博客
03-20 8823
GLM的全称是General Language Model，即通用预训练大语言模型。GLMs是基于GLM4模型搭建的智能体创建平台。简单来说，你无需编程经验，通过简单的配置一些文字信息，就可以快速构建一个具备专属技能的 GLM，你的自定义ChatGLM时代到来了！GLMs 让任何人都能够自由运用 GLM-4 模型并挖掘它的潜力，极大的满足了个性化的使用需求。GLM 不仅在集成上更进一步，不必一步步调用，更将成为人人可开发的强大工具。👧：“我没有编程基础，这能行吗？🤖：放心吧！
Java | 智谱API调用实践
yingzix688的博客
02-23 9601
智谱AI（Zhipu AI）是一家致力于人工智能技术研发和应用的公司。该公司由清华大学背景的团队创立，专注于大模型技术的研究与推广。智谱AI在人工智能领域取得了显著成就，其发布的自研大模型GLM-4等产品。
智谱API调用
m0_60657960的博客
06-16 1981
一、智谱API。
简单调用智谱API实现场景对话和问答
m0_74137224的博客
02-20 1844
自从chatGPT发布以来，国内的大语言模型相继发布，有通用的大语言模型，也有一些垂类的模型，后续会研究并发布，比如携程是针对旅游行业、妆舟是美妆行业等等。大语言模型国内有科大的讯飞星火、阿里的通义千问、智谱AI、百度的文心一言等。研究大语言模型也是为了下一步研究多模态打基础和做准备。本文主要是介绍如何调用智谱的API实现场景对话和问答。过程比较简单。
【ESP32接入语言大模型之智谱清言】
vor234的博客
01-15 6119
🥳🥳🥳现在，我们在本教程中，您学习了如何使用ESP32接入语言大模型之智谱清言。🛹🛹🛹从而实现对外部世界进行感知，充分认识这个有机与无机的环境，后期会持续分享esp32跑freertos实用案列🥳🥳🥳科学地合理地进行创作和发挥效益，然后为人类社会发展贡献一点微薄之力。🤣🤣🤣如果你有任何问题，可以通过下面的二维码加入鹏鹏小分队，期待与你思维的碰撞😘😘😘。
AI智能体｜智谱清言开放了智能体API
无界生长的博客
05-11 3875
智谱昨天放大招了，直接把智能体API给开放了出来，这意味着智能体应用不再受限于网页和手机app中，可以很轻松地被集成进你自己的生态系统中。
智普清言api调用
03-24
### 如何调用智普清言 API #### 调用概述 智普清言 API 提供了一种通过 HTTP 请求的方式与模型交互的方法。开发者可以通过发送 POST 请求来实现对话功能，请求体中需包含 `api_key` 和其他必要参数[^1]。 #### 参数说明 以下是调用过程中可能涉及的关键参数及其作用： - **api_key**: 用户的身份验证密钥，用于确认访问权限。 - **timestamp**: 时间戳，通常表示当前时间的毫秒数，防止重放攻击。 - **exp**: 过期时间，定义该请求的有效期限（单位为毫秒），超过此时间则请求失效[^4]。 #### Python 实现示例 以下是一个基于 Python 的简单调用示例： ```python import requests import json from datetime import datetime if __name__ == "__main__": url = "https://open.bigmodel.cn/api/v1/chat" api_key = "your_api_key_here" # 替换为实际的API Key headers = { 'Content-Type': 'application/json' } timestamp = int(datetime.now().timestamp() * 1000) # 当前时间的时间戳 exp = timestamp + (5 * 60 * 1000) # 设置过期时间为5分钟后 data = { "api_key": api_key, "timestamp": timestamp, "exp": exp, "query": "你好，介绍一下你自己吧", "persona": "你是Python编程工作者。", } response = requests.post(url, headers=headers, data=json.dumps(data)) result = response.json() print(result["answer"]) ``` 上述代码展示了如何构建并发送一个标准的 POST 请求到智普清言 API 接口，并获取返回的结果[^2]。 #### Java 实现示例 对于使用 Java 开发的应用程序，可以参考如下代码片段完成 API 调用操作： ```java import java.io.OutputStream; import java.net.HttpURLConnection; import java.net.URL; public class ZhiPuAPICaller { public static void main(String[] args) throws Exception { String apiUrl = "https://open.bigmodel.cn/api/v1/chat"; URL url = new URL(apiUrl); HttpURLConnection conn = (HttpURLConnection) url.openConnection(); conn.setRequestMethod("POST"); conn.setDoOutput(true); long timestamp = System.currentTimeMillis(); // 获取当前时间戳 long expirationTime = timestamp + (5L * 60L * 1000L); // 设定有效时长 String apiKey = "your_api_key"; // 替换为您的真实API Key String inputJson = "{ \"api_key\": \"" + apiKey + "\",\"timestamp\":" + timestamp + ",\"exp\":" + expirationTime + ",\"query\":\"你好\",\"persona\":\"你是Java开发工程师.\"}"; try(OutputStream os = conn.getOutputStream()) { byte[] input = inputJson.getBytes("utf-8"); os.write(input, 0, input.length); } int code = conn.getResponseCode(); if(code == 200){ System.out.println("成功接收服务器响应！"); }else{ System.err.println("错误：" + code); } } } ``` 以上代码实现了向智普清言 API 发送数据包的功能，并处理了基本的成功与否判断逻辑[^3]。 #### 注意事项 在正式环境中部署之前，请务必确保已妥善保管好自己的 `api_key` 并遵循官方的安全建议以保护账户安全。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

forest_long

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值