AI生成应用程序
作者：微信文章DeepSeek使用
1. 登录deepseek开放平台，输入名称创建自己的apikey注意：apikey只有创建时可复制，创建之后复制并保存到自己本地，不可与他人共享
https://platform.deepseek.com/api_keys
2.调用deepseek让它回答问题deepseek调用需要收费，这里用的是免费版的，但是不太稳定import osos.environ["DEEPSEEK_API_KEY"] = "输入你自己的apikey"from openai import OpenAI# 使用 DeepSeek 官方免费渠道client = OpenAI( api_key="sk-deepseek-api-key",# 可以尝试空字符串或任意值 base_url="https://api.deepseek.com/chat/completions"# 免费端点)# 或者直接使用 requestsimport requestsdef deepseek_free_chat(messages): """ 调用DeepSeek免费API进行聊天对话 参数: messages (list): 包含对话历史的消息列表，每个元素为包含role和content的字典 返回值: str: AI回复的文本内容，如果请求失败则返回错误信息 """ url = "https://api.deepseek.com/chat/completions" payload = { "model": "deepseek-chat", "messages": messages, "stream": False, "max_tokens": 2000 } # 发送POST请求到DeepSeek API response = requests.post(url, json=payload) if response.status_code == 200: # 解析响应数据并返回AI回复内容 return response.json()["choices"]["message"]["content"] else: # 请求失败时返回错误信息 return f"错误: {response.text}"# 构造初始对话消息messages = [ {"role": "user", "content": "你好，请介绍一下你自己"}]# 调用聊天函数并打印结果response = deepseek_free_chat(messages)print(response)LangChain 框架
LangChain 是一个用于开发由大型语言模型 (LLMs) 驱动的应用程序的框架。
它集合了各种不同厂商，比如智谱AI、文心一言、DeepSeek
LangChain 简化了 LLM 应用程序生命周期的每个阶段：
开发使用 LangChain 的开源 构建模块、组件 和 第三方集成 构建您的应用程序。 使用 LangGraph 构建具有一流流式处理和人机协作支持的有状态代理。 生产化使用 LangSmith 检查、监控和评估您的链，以便您可以持续优化并自信地部署。 部署将您的 LangGraph 应用程序转变为生产就绪的 API 和助手， 使用 LangGraph Cloud。
使用Langchain调用免费版的智谱AI让其回答问题第一步也是到智谱网站创建一个自己的api_key填入
https://bigmodel.cn/usercenter/proj-mgmt/apikeys
执行完可以返回北京社保需要缴费多少年的具体信息from langchain_community.chat_models.zhipuai import ChatZhipuAI# 初始化智谱AI聊天模型实例# api_key: 智谱AI平台的API密钥，用于身份验证# api_base: API接口地址，通常使用默认值，特殊情况下可自定义# model_name: 使用的模型名称，此处为GLM-4-flash模型# temperature: 控制生成文本的随机性，0表示最确定性输出model = ChatZhipuAI(api_key="改成自己的apikey", api_base="https://open.bigmodel.cn/api/paas/v4/chat/completions", # 一般不需要配置这个接口地址，langchain框架会根据官方地址调整。 但有时候官方调整了，langchain框架不一定及时更新 model_name="GLM-4-flash", temperature=0)from langchain_core.messages import SystemMessage, HumanMessage# 构建对话消息列表# SystemMessage: 设置系统角色和行为准则# HumanMessage: 用户提出的具体问题messages = [ SystemMessage(content="我是一个小助手"), HumanMessage(content="北京社保需要缴费多少年"),]from langchain_core.output_parsers import StrOutputParser# 创建处理链，将模型输出解析为字符串格式chain = model | StrOutputParser()# 调用处理链并获取结果result = chain.invoke(messages)print(result)如果需要借助AI生成一个类似deepseek页面的小助手，需要给AI足够准确的提示词，且AI能够理解你输入的文本才能达到比较好的效果，大家可以借助其他免费版模型调用让它写一套跟自己页面一样的代码看看能不能生成。更多使用参考官方文档：
https://docs.langchain.com/oss/python/langchain/overview
页:
[1]