一、调用智谱 AI API

1、获取api_key

智谱AI开放平台网址：
https://open.bigmodel.cn/overview

2、安装库pip install zhipuai
3、执行一下代码，调用质谱api进行问答

from zhipuai import ZhipuAIclient = ZhipuAI(api_key="xxxxx")  # 填写您自己的APIKey
while True:prompt = input("user:")response = client.chat.completions.create(model="glm-4",  # 填写需要调用的模型名称messages=[{"role": "user", "content": prompt}],)answer = response.choices[0].message.contentprint("ZhipuAI:", answer)

二、使用Gradio搭建聊天UI

import gradio as gr
import random
import timefrom langchain_community.chat_models import ChatZhipuAI
from zhipuai import ZhipuAIimport configurellm = configure.chat
client = ZhipuAI(api_key="xxx")  # 填写您自己的APIKeywith gr.Blocks() as demo:chatbot = gr.Chatbot()msg = gr.Textbox()clear = gr.Button("清除")def respond(message, chat_history):response = client.chat.completions.create(model="glm-4",  # 填写需要调用的模型名称messages=[{"role": "user", "content": message}],)chat_history.append((message, response.choices[0].message.content))return "", chat_historymsg.submit(respond, [msg, chatbot], [msg, chatbot])clear.click(lambda: None, None, chatbot, queue=False)demo.launch()

• Gradio的Textbox模块允许用户输入字符串并显示字符串输出。它创建一个文本区域，用户可以在其中输入文本或显示输出结果。
• Button组件是Gradio中的一个模块，用于创建一个按钮，并可以为其分配任意的click()事件。按钮的标签（value）可以作为输入使用，或者通过函数的输出来设置。
• chatbot模块是Gradio中的一个组件，用于展示聊天机器人的输出，包括用户提交的消息和机器人的回复。它支持一些Markdown语法，包括粗体、斜体、代码和图片等。Chatbot模块的输入不接受用户输入，而是通过函数返回的列表来设置聊天内容。返回的列表应包含多个内部列表，每个内部列表包含两个元素：用户消息和机器人回复。消息可以是字符串、元组或None。如果消息是字符串，可以包含Markdown格式的文本。如果消息是元组，应包含文件路径和可选的替代文本。值为None的消息将不会显示在聊天界面上。

三、将流式处理添加到交互式聊天机器人

import gradio as gr
import timefrom zhipuai import ZhipuAI
from typing import *client = ZhipuAI(api_key="your api key")  # 填写您自己的APIKey
# https://blog.csdn.net/sinat_26917383/article/details/133950480
# https://open.bigmodel.cn/dev/api#glm-4
# https://www.cnblogs.com/ddsuifeng/p/17989484
with gr.Blocks(title="智小优") as demo:gr.HTML("""<h1 align="center">智小优</h1>""")gr.Markdown("<h1><center>Welcome to my personal AI-OR assistant (powered by zhipu)</center></h1>")chatbot = gr.Chatbot(render=True)msg = gr.Textbox(placeholder="请输入你的问题")with gr.Row():submit = gr.Button('Submit')clear = gr.Button("Clear")def user(user_message: str, history: List[List]) -> Tuple:"""Args:user_message: 用户输入history: 历史问答Returns:"""return "", history + [[user_message, None]]def bot(history: List[List]) -> None:response = client.chat.completions.create(model="glm-4",  # 填写需要调用的模型名称messages=[{"role": "user", "content": history[-1][0]}],stream=True)history[-1][1] = ""for chunk in response:for choice in chunk.choices:# content = choice.delta.contentif content := choice.delta.content: history[-1][1] += contenttime.sleep(0.05)yield historymsg.submit(user, [msg, chatbot], [msg, chatbot], queue=False).then(bot, chatbot, chatbot)# 触发事件监听submit.click(user, [msg, chatbot], [msg, chatbot], queue=False).then(bot, chatbot, chatbot)clear.click(lambda: None, None, chatbot, queue=False)if __name__ == '__main__':demo.queue().launch()

参考：

• https://blog.csdn.net/sinat_26917383/article/details/133950480
• https://zhuanlan.zhihu.com/p/681207328
• https://blog.csdn.net/Alexa_/article/details/134485161
• https://blog.csdn.net/u013558123/article/details/136118024
• https://zhuanlan.zhihu.com/p/678228971
• https://open.bigmodel.cn/dev/api#glm-4
• https://www.cnblogs.com/ddsuifeng/p/17989484