GLM-4-Plus初体验

引言:为什么高效的内容创作如此重要?

在当前竞争激烈的市场环境中,内容创作已成为品牌成功的重要支柱。无论是撰写营销文案、博客文章、社交媒体帖子,还是制作广告,优质的内容不仅能够帮助品牌吸引目标受众的注意力,还能有效促进产品和服务的转化。然而,创作高质量内容却常常需要投入大量时间和精力,这使得很多内容创作者感到力不从心。

高效创作正成为现代内容创作者的迫切需求。如果你也为高效创作而苦恼,那么今天我们将为你介绍一款强大的内容创作工具——智谱AI GLM-4-Plus。通过这款 AI 写作助手,你将能够在短时间内生成高质量的内容,大大提升工作效率。

1. 什么是 GLM-4-Plus?

GLM-4-Plus是一种基于深度学习的自然语言处理(NLP)模型,属于生成式预训练变换器(GPT)系列的升级版本。它由大规模数据集训练而成,旨在理解和生成自然语言文本。GLM-4-Plus 在多个自然语言处理任务上表现优异,包括文本生成、文本理解、自动摘要、问答系统等。

GLM-4-Plus 的核心功能

  1. 文本生成:GLM-4-Plus 能够根据给定的输入(例如提示语、关键词等)生成流畅、自然的文本,广泛应用于文案写作、广告创意、内容生成等场景。

  2. 问答能力:通过对问题的理解,GLM-4-Plus 可以生成精确的回答,适用于自动化客户服务、信息查询等场景。

  3. 文本理解:能够准确理解复杂的句子结构和上下文,进行有效的信息提取和分析。

  4. 多语言支持:除了中文,GLM-4-Plus 还支持多种语言的文本生成和理解,包括英语、法语、德语、日语等。

  5. 上下文保持:它能够保持长篇文本中的上下文一致性,在生成内容时不会失去原有语境,使得输出内容更加自然和连贯。

应用场景

  • 内容创作:可用于生成博客文章、产品描述、新闻稿、广告文案等。
  • 客户支持:通过自动生成客服回答,减少人工客服的负担。
  • 营销和广告:帮助品牌和电商平台快速生成创意广告、产品描述及推广文案。
  • 教育与学习:用于自动化生成学习资料、解答学生提问等。
2. 如何调用 GLM-4-Plus API?

步骤 1:注册并获取 API 密钥

  • 访问 GLM-4-Plus 的官方网站或开发者平台。
  • 注册账号并登录,在个人中心-项目管理-APIkeys菜单 创建一个新的API Key。
  • API 密钥通常是一个长字符串,用于身份验证和安全请求。

如下图

步骤 2:安装必要的依赖

为了调用 API,你需要在你的开发环境中安装相应的依赖,推荐使用 Python。你可以通过以下命令安装ZhipuAI库:

pip install ZhipuAI

步骤 3:编写代码调用 API

以下是一个 Python 代码示例,展示如何调用 GLM-4-Plus API 生成内容:

from zhipuai import ZhipuAI
client = ZhipuAI(api_key="")  # 请填写您自己的APIKey
response = client.chat.completions.create(model="glm-4-plus",  # 请填写您要调用的模型名称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口号"},{"role": "assistant", "content": "当然,要创作一个吸引人的口号,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": "点燃未来,智谱AI绘制无限,让创新触手可及!"},{"role": "user", "content": "创作一个更精准且吸引人的口号"}],
)
print(response.choices[0].message)

响应示例

{"created": 1703487403,"id": "8239375684858666781","model": "glm-4-plus","request_id": "8239375684858666781","choices": [{"finish_reason": "stop","index": 0,"message": {"content": "以AI绘蓝图 — 智谱AI,让创新的每一刻成为可能。","role": "assistant"}}],"usage": {"completion_tokens": 217,"prompt_tokens": 31,"total_tokens": 248}
}

步骤 4:常用参数说明

  • model: 要调用的模型编码。
  • model: 调用语言模型时,当前对话消息列表作为模型的提示输入,以JSON数组形式提供。
  • max_tokens: 模型输出的最大token数,最大输出为4095,默认值为1024。
  • temperature: 生成内容的创造性。值越高,生成的内容越多样化。
  • top_p: 控制生成内容的合理性,值越低,生成内容的质量越高。
  • tools: 模型可以调用的工具。
  • stop: 模型遇到stop指定的字符时会停止生成。目前仅支持单个stop词,格式为[“stop_word1”]。

除了Python和java SDK,模型服务也支持标准的 HTTP 调用,我会在后面的案例中讲到。

更多使用参考 官方文档

3. 搭建你的内容生成神器

下面我写一个简单的前后端服务demo,来演示下如何搭建一个自己的内容创造神器。

前端我就用vue+axios写一个h5页面,根据输入的问题,发起请求展示响应结果。

显示效果如下:

对应的代码:

<template><div class="page"><div class="title-info">glm-4-plus的内容生成神器</div><div class="input-box"><van-fieldv-model="inputValue"rows="4"autosizetype="textarea"placeholder="请输入描述内容"show-word-limit/></div><!-- <div class="type-select-box"><van-radio-group v-model="tyoe"><van-radio name="1">生成广告文案</van-radio><van-radio name="2">公众号炫酷标题</van-radio><van-radio name="3">电商产品撰写文案</van-radio></van-radio-group></div> --><div class="btn-box"><van-button block type="info" @click="searchResult"> 立即生成</van-button></div><div class="result-box"><p class="s-title">生成结果:</p><div v-if="loading">正在生成,请等待..</div><div class="markdown" v-html="renderedMarkdown" v-else></div><!-- <div v-html="result"></div> --></div></div>
</template><script>
import markdownIt from 'markdown-it';
import { aiSearch } from '@api';
let md = null;
function markdownItCustomLink(md, options) {md.renderer.rules.link_open = function (tokens, idx, options, env, self) {const hrefIndex = tokens[idx].attrIndex('href');const href = tokens[idx].attrs[hrefIndex][1];// const text = tokens[idx + 1].content;// 返回一个自定义组件的标签,其中包含 href 和文本内容return `<span class="md-link-to-span" data-num="${href}">${href}</span>`;};md.renderer.rules.link_close = function () {return '';};
}
export default {name: 'HomeView',components: {},data() {return {inputValue: '',// type: '1',result: '',loading: false,renderedMarkdown: ''};},mounted() {md = markdownIt().use(markdownItCustomLink);this.renderedMarkdown = md.render(this.result);// this.mdText();},methods: {searchResult() {this.loading = true;aiSearch({ content: this.inputValue }).then(res => {this.loading = false;const { code, data } = res;if (code === '0000') {this.renderedMarkdown = md.render(data.content);} else {}}).catch(() => {this.loading = false;});},// 搜索search() {},mdText() {// this.renderedMarkdown = md.render(this.result);}}
};
</script>
<style lang="less" scoped>
.page {font-size: 28px;padding: 12px 24px;background-color: #f2f3f6;.title-info {font-weight: bold;text-align: center;}.input-box {margin: 24px 0;/deep/.van-cell {border: 2px solid #0080ff;}}.btn-box {margin-top: 20px;}.result-box {margin: 12px 0;.s-title {color: #0080ff;margin-bottom: 20px;}}
}
</style>

我使用了markdown-it 来处理接口返回的md格式内容

后端服务我使用了前端同学熟悉的express搭建,通过调用智谱 AI 提供的 http接口来实现的(当然使用py sdk是最好的)。

代码如下:

index.js 入口文件

const express = require('express');
const path = require('path');
const bodyParser = require('body-parser');
const cookieParser = require('cookie-parser');
const logger = require('morgan');
const partials = require('express-partials');const config = require('./config');
const routes = require('./routes/index');const app = express();const port = process.env.PORT || config.port;
app.set('port', port);
app.set('views', path.join(__dirname, 'views'));
app.set('view engine', 'ejs');// 静态文件托管
app.use(express.static(path.join(__dirname, 'public')));app.use(logger('dev'));app.use(bodyParser.json());
//extended:false 方法内部使用querystring模块处理请求参数的格式
//extended:true 方法内部使用第三方模块qs处理请求参数的格式
app.use(bodyParser.urlencoded({ extended: false }));
app.use(partials());
app.use(cookieParser());//配置diskStorage来控制文件存储的位置以及文件名字等app.use('/', routes);app.listen(app.get('port'), () => {console.log('Program starts running ...');console.log('server run success on port ' + app.get('port'));
});module.exports = app;

然后就是处理请求的主要代码:

router.get('/aiSearch', (req, res) => {const {content} = req.queryconst postData = {"model": "glm-4-plus",// "stream": true,"messages": [{"role": "user","content": content}]}axios.post('https://open.bigmodel.cn/api/paas/v4/chat/completions', postData, {headers: {'Content-Type': 'application/json','Authorization': `Bearer ${apiKey}`}}).then(response => {console.log(JSON.stringify(response.data));// res.send(response.data.choices[0].message.content);res.status(200).json({code: '0000',data: response.data.choices[0]?.message// data: response.data.choices[0]?.message});});});

打印生成的结果:

最终前端页面呈现的结果:

我们再给公众号生成类似小红书格式的介绍:

服务端源码地址 ,apikey 需要替换为自己的。

4. GLM-4-Plus 的使用技巧

通过 Function Call 访问外部 API

我们可以允许模型访问外部信息和执行操作,信息查询:如实时天气预 报、股票市场动态,提供即时且准确的数据,执行操作:比如播放音乐、 控制智能家居设备等。

通过 Retrieval 访问智谱AI 开放平台的知识库

通过Retrieval方法访问智谱开放平台的知识库,用户可上传相关的知识到知识库,模型将基于用户的查询,提取相关的语义切片,提供更加精准详细的信息。

引导它进行自我探索和推理

在明确引导模型进行推理判断之前,让它先生成结果作为基准。例如,如果我们需要模型评估代码的质量,可以先让模型自行生成答案,随后再对其正确性进行评判。这样做不仅促使模型更加深入地理解任务,还可以提高最终结果的准确性和可靠性。

5. GLM-4-Plus 的优势深入分析
  • 高效的内容生成
    GLM-4-Plus 能快速生成高质量的文本,极大提高写作效率。无论是文章、广告文案,还是社交媒体内容,几秒钟内就能完成生成。

  • 灵活的文本风格与语气控制
    支持多种文本风格(如正式、幽默、创意等)和语气(如劝导、激励等),让生成的内容精准符合目标需求。

  • 高质量输出
    生成的文本流畅自然、结构清晰,符合语法规范,接近人工创作水平,适合多种专业领域。

  • 多场景适用
    无论是电商文案、SEO文章,还是社交媒体帖子、技术文档,GLM-4-Plus 都能提供精准的内容生成支持。

  • 多语言支持
    除了中文,GLM-4-Plus 支持多种语言(如英语、日语等),适合全球化创作,能为不同语言的市场生成定制内容。

  • 高度可定制
    用户可以设置生成文本的长度、创意度等参数,满足不同创作需求,提供更高的控制灵活性。

  • 自动化与API集成
    支持API接口,可与现有工作流集成,实现内容生成自动化,提高团队效率。

总结

随着 AI 技术的快速发展,像GLM-4-Plus这样的智能写作工具正逐渐改变我们内容创作的方式。它不仅可以大大提升写作效率,还能帮助我们生成多样化、符合需求的高质量内容。未来,随着技术的不断进步,GLM-4-Plus 可能会引入更多智能化功能,进一步简化创作流程。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/490576.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

软考高级架构 - 10.5 软件架构演化评估方法

10.4 软件架构演化原则总结 本节提出了18条架构演化的核心原则&#xff0c;并为每条原则设计了简单而有效的度量方法&#xff0c;用于从系统整体层面提供实用信息&#xff0c;帮助评估和指导架构演化。 演化成本控制&#xff1a;成本小于重新开发成本&#xff0c;经济高效。进…

科研笔记:ARR 与 ACL rolling

1 ARR 介绍 ARR 提供 评审服务 —— 仅限评审 —— 对于提交的论文。评审不会针对特定会议/场所&#xff0c;但评审标准与传统会议的主会场长文或短文提交要求相同&#xff08;如 ACL 或其他由 ACL 主办的重要会议&#xff09; 2 提交论文进行 ARR 评审 提交截止日期 每两个…

9_less教程 --[CSS预处理]

LESS&#xff08;Leaner Style Sheets&#xff09;是一种CSS预处理器&#xff0c;它扩展了CSS语言&#xff0c;增加了变量、嵌套规则、混合&#xff08;mixins&#xff09;、函数等功能&#xff0c;使得样式表的编写更加灵活和易于维护。下面是一些LESS的基础教程内容&#xff…

JVM 双亲委派模型以及垃圾回收机制

目录 1. JVM 内存区域划分 2. JVM 中类加载的过程 1) 类加载的基本流程 2) 双亲委派模型 3. JVM 中垃圾回收机制 1) 找到垃圾 a) 引用计数 b) 可达性分析 2) 释放垃圾 1. JVM 内存区域划分 一个运行起来的 Java 进程&#xff0c;其实就是一个 JVM 虚拟机。 而进程是…

leetcode-73.矩阵置零-day5

class Solution {public void setZeroes(int[][] mat) {int m mat.length, n mat[0].length;// 1. 扫描「首行」和「首列」记录「首行」和「首列」是否该被置零boolean r0 false, c0 false;for (int i 0; i < m; i) {if (mat[i][0] 0) {r0 true;break;}}for (int j …

C++11语法解析(二)

可变参数模板 基本语法及原理 ・C11 支持可变参数模板&#xff0c;也就是说支持可变数量参数的函数模板和类模板&#xff0c;可变数目的参数被称为参数包&#xff0c;存在两种参数包&#xff1a;模板参数包&#xff0c;表示零或多个模板参数&#xff1b;函数参数包&#xff1…

opencv——图片矫正

图像矫正 图像矫正的原理是透视变换&#xff0c;下面来介绍一下透视变换的概念。 听名字有点熟&#xff0c;我们在图像旋转里接触过仿射变换&#xff0c;知道仿射变换是把一个二维坐标系转换到另一个二维坐标系的过程&#xff0c;转换过程坐标点的相对位置和属性不发生变换&a…

BatchNorm 与 LayerNorm

文章目录 1. BatchNorm批量归一化2. LayerNorm层归一化3. BatchNorm 和 LayerNorm 对比4. BatchNorm 和 LayerNorm 怎么选择References 今天重看Transformer&#xff0c;发现里面提到了BatchNorm和LayerNorm两种归一化方法&#xff0c;在这儿做一下总结和整理。 1. BatchNorm批…

OpenCV相关函数

一、二值化函数&#xff08;threshold&#xff09; 功能&#xff1a;将灰度图像转换为二值图像&#xff0c;通常用于图像分割。通过设置阈值&#xff0c;把图像中低于阈值的像素设为0&#xff0c;高于阈值的像素设为1。 参数&#xff1a; src&#xff1a;输入图像。 thresh&a…

[传智杯 #6 省赛] 小红劈字符串

一、题目 二、代码解析 首先&#xff0c;input() 函数用于获取用户从控制台输入的内容&#xff0c;在这里用户输入的应该是一个仅由小写字母组成的字符串&#xff0c;然后将这个输入的字符串赋值给变量 xh。接着&#xff0c;使用 len(xh) 函数来计算字符串 xh 的长度&#xff…

【跨库查询、多库查询】.NET开源 ORM 框架 SqlSugar 系列

文章目录 一、跨库方式1&#xff1a;跨库导航二、手动跨库查询三、同服务器&#xff1a;自动查询跨库查询3.1 Mysql和SqlServer自动3.2 自动: PgSql跨Scheme查询3.3 其他库同服务器 四、跨服务器&#xff1a;自动跨库查询4.1 配置SqlServer dblink4.2 配置 Oracle dblink4.3 配…

数据可视化大屏UI组件库:B端科技感素材PSD

在数据可视化领域&#xff0c;一个出色的大屏UI设计不仅能够准确传达数据背后的信息&#xff0c;更能提升用户的视觉体验。然而&#xff0c;对于UI设计师而言&#xff0c;设计这样一款界面往往面临着寻找合适设计素材的挑战。为了应对这一难题&#xff0c;我们推出了这款数据可…

QT数据库(四):QSqlRelationalTableModel 类

关系数据库概念 例如下列departments、majors、studInfo 这 3 个数据表之间存在关系。 主键与外键 标记“**”的是主键字段&#xff0c;标记“*”的是外键字段。主键字段是一个数据表中表示记录唯一性的字段&#xff0c;例如 studInfo 数据表中的 studID 字段。外键字段是与其…

人工智能原理实验四:智能算法与机器学习

一、实验目的 本实验课程是计算机、智能、物联网等专业学生的一门专业课程&#xff0c;通过实验&#xff0c;帮助学生更好地掌握人工智能相关概念、技术、原理、应用等&#xff1b;通过实验提高学生编写实验报告、总结实验结果的能力&#xff1b;使学生对智能程序、智能算法等…

免费生成AI PPT产品推荐?

要完全免费几乎是没有的&#xff0c;要知道AI还是非常烧钱的。 不过免费蹭还是有很多方法的&#xff0c;这里收集了一些&#xff1a; 下面分享我自己免费蹭过的几款AI制作PPT的工具。 1 金山-WPS PPT对我们来说并不陌生&#xff0c;而微软的PowerPoint与金山的WPS也是我们最常…

WPF 消息循环(二)

们已经知道&#xff0c;win32/MFC/WinForm/WPF 都依靠消息循环驱动&#xff0c;让程序跑起来。 这里就介绍 WPF 中是如何使用消息循环来驱动程序的。 1. 背景 只听说过 Dispatcher &#xff0c;哪里来的消息循环&#xff1f; WPF 启动运行堆栈&#xff1a; > WpfApp1.…

PostgreSQL 常用运维SQL整理

一、查询并杀会话 -- 查询会话 select pid,usename,client_addr,client_port,query_start,query,wait_event from pg_stat_activity; -- 杀会话 select pg_terminate_backend(pid号); -- 使用如下命令自动生成杀会话语句 select datid,datname,pid,usesysid,usename,applicat…

JS中的Promise用法大全

目录 一、相关概念介绍1.什么是Promise2.Promise状态3.创建Promise4.then()方法5.catch方法6.链式调用7.异步编程 二、使用1.构造Promise2.executor 函数3.then() 方法4.then() 方法返回的Promise的状态 三、Async/Await语法糖四、Promise应用场景五、总结 一、相关概念介绍 1…

【新界面】基于卷积神经网络的垃圾分类(Matlab)

基于CNN的垃圾识别与分类GUI【新界面】 有需要可直接联系我&#xff0c;基本都在在线&#xff0c;能秒回&#xff01;可加我看演示视频&#xff0c;不懂可以远程教学 1.此项目设计包括两份完整的源代码&#xff0c;有GUI界面的代码和无GUI界面系统的代码。 &#xff08;以下部…

pytorch bilstm crf的教程,注意 这里不支持批处理,要支持批处理 用torchcrf这个。

### Bi-LSTM Conditional Random Field ### pytorch tutorials https://pytorch.org/tutorials/beginner/nlp/advanced_tutorial.html ### 模型主要结构&#xff1a; ![title](sources/bilstm.png) pytorch bilstm crf的教程&#xff0c;注意 这里不支持批处理 Python version…