GLM-4模型参数详解与多角色对话系统
输入“/”快速插入内容
GLM-4模型参数详解与多角色对话系统
GLM-4模型参数详解与多角色对话系统
代码块
import os
from zhipuai import ZhipuAI
from IPython.display import display, Code, Markdown
api_key = os.getenv("ZHIPU_API_KEY")
在上一小节中，我们已经顺利完成智谱AI账号注册，并获取GLM模型API-KEY，同时完成了本地调用测试。本节我们将开始着手使用GLM-4模型，并详细介绍GLM-4调用函数参数及模型的多角色对话系统。
代码块
client = ZhipuAI(api_key=api_key)
response = client.chat.completions.create(
model="glm-4", # 填写需要调用的模型名称
messages=[
{"role": "user", "content": "你好"}
],
)
print(response.choices[0].message)
代码块
content='你好👋！我是人工智能助手智谱清言，可以叫我小智🤖，很高兴见到你，欢迎问我任何问题。' role='assistant' tool_calls=None
一、GLM-4调用方法
1.SDK调用与HTTP调用
和大多数其他在线大模型厂商一样，智谱AI为GLM模型同时提供了SDK调用和HTTP调用两种方法。所谓SDK调用，指的是基于SDK（软件开发工具包）的API调用是指使用由API提供者提供的专门软件库（即SDK）来进行API调用的过程。SDK是一组工具、库、文档和代码示例，旨在帮助开发者更容易、更高效地使用特定的API。在基于SDK的API调用中，开发者不需要从头开始编写用于与API通信的代码，而是可以利用SDK中的预写函数和方法。
而HTTP调用则是指通过HTTP（超文本传输协议）在客户端和服务器之间发送请求和接收响应的过程。这是Web上交换数据和信息的基础机制。在HTTP调用中，客户端（通常是浏览器或应用程序）向服务器发送一个HTTP请求，这个请求可以是获取数据（GET请求）、提交数据（POST请求）、更新数据（PUT或PATCH请求）或删除数据（DELETE请求）。服务器接收到这个请求后，处理请求并返回一个HTTP响应，其中包含状态代码（如200表示成功，404表示未找到等）和请求的数据或结果。
例如此前我们通过安装zhipu库来完成模型调用，本质上就是SDK调用模型，这也将是课程里面主要使用的调用方法。
2.同步调用、异步调用与SSE调用
而在SDK调用过程中，又可以细分为同步调用、异步调用与SSE调用三种不同的调用方法。所谓的同步调用，指的是我们发起请求，等待服务器响应后方可进行下一步动作，并且服务器响应也是一次性获得全部结果。我们此前进行的模型调用尝试，就是同步调用过程；而所谓异步调用，则指的是当发起请求后，服务器会先直接响应当前任务ID，此时无论任务是否已经完成，用户都可以直接进行接下来的动作，而当服务器完成任务时，用户可以通过任务ID查看到服务器响应结果；而所谓的SSE调用，则是指流式传输，此时服务器不再是一次性返回全部内容，而是逐个字符（或者词语）进行返回。这三种调用方法实现过程如下：
•
同步调用过程
我们可以通过调用client.chat.completions.create函数来实现同步调用，此时用户发起请求后，需要等待服务器一次性全部响应之后再进行之后的操作：
代码块
client = ZhipuAI(api_key=api_key)
response = client.chat.completions.create(
model="glm-4", # 填写需要调用的模型名称
messages=[
{"role": "user", "content": "你好"}
],
)
print(response.choices[0].message)
代码块
content='你好👋！我是人工智能助手智谱清言，可以叫我小智🤖，很高兴见到你，欢迎问我任何问题。' role='assistant' tool_calls=None
•
异步调用
调用后会立即返回一个任务 ID ，然后用任务ID查询调用结果（根据模型和参数的不同，通常需要等待10-30秒才能得到最终结果）。需要注意的是异步调用所使用的函数并不是client.chat.completions.create，而是client.chat.asyncCompletions.create：
代码块
client = ZhipuAI(api_key=api_key)
response_async = client.chat.asyncCompletions.create(
model="glm-4",
messages=[
{"role": "user", "content": "你好"}
],
)
print(response_async)
代码块
id='754217054184439348311645931336567876' request_id='8311645931336567875' model='glm-4' task_status='PROCESSING'