摘要：智谱AI（ZhipuAI）：智谱AI是一家专注于大模型技术的公司，由清华大学计算机系知识工程实验室技术成果转化而来。智谱AI提供了包括对话模型、视觉模型、代码生成模型等多种AI模型，并提供了开放平台供开发者使用和集成。智谱AI的SDK可以用于快速集成其AI能力
国内支持SDK调用的优秀开源AI平台
智谱AI（ZhipuAI）： 智谱AI是一家专注于大模型技术的公司，由清华大学计算机系知识工程实验室技术成果转化而来。智谱AI提供了包括对话模型、视觉模型、代码生成模型等多种AI模型，并提供了开放平台供开发者使用和集成。智谱AI的SDK可以用于快速集成其AI能力，如对话、图像识别等功能。百度飞桨（PaddlePaddle）： 百度飞桨是中国首个开源深度学习平台，提供丰富的API和SDK，支持多种深度学习模型的开发和部署。腾讯AI Lab： 腾讯AI Lab提供了多种AI技术和服务，包括计算机视觉、语音识别、自然语言处理等领域的SDK和API。阿里云机器学习平台PAI： 阿里云提供的机器学习平台PAI支持多种机器学习算法和模型，提供了SDK供开发者调用。华为ModelArts： 华为云ModelArts是一个全流程模型生产服务，提供丰富的API和SDK，支持模型的训练、部署和管理。 cn.bigmodel.openapi oapi-java-sdk release-V4-2.3.0官网的个人中心，找到项目管理下的API keys。
测试是否调用AI成功，注意API key要换成自己的。
@SpringBootTestpublic class ZhiPuAiTest { @Test public void test { String apiKey = "自己的apikey"; // 创建客户端 ClientV4 client = new ClientV4.Builder(apiKey).build; // 构造请求 List messages = new ArrayList; ChatMessage chatMessage = new ChatMessage(ChatMessageRole.USER.value, "作为一名营销专家，请为智谱开放平台创作一个吸引人的slogan"); messages.add(chatMessage); String requestId = String.valueOf(System.currentTimeMillis); ChatCompletionRequest chatCompletionRequest = ChatCompletionRequest.builder .model(Constants.ModelChatGLM4) .stream(Boolean.FALSE) .invokeMethod(Constants.invokeMethod) .messages(messages) .requestId(requestId) .build; // 调用 ModelApiResponse invokeModelApiResp = client.invokeModelApi(chatCompletionRequest); System.out.println("model output:" + invokeModelApiResp.getMsg); }}@Configuration@ConfigurationProperties(prefix = "ai")@Datapublic class AiConfig { /** * apiKey */ private String apiKey; @Bean public ClientV4 getClientV4 { return new ClientV4.Builder(apiKey).build; }}AiManager类提供了多种方法来执行同步和流式请求，包括稳定和不稳定答案的同步请求，以及可以根据随机数温度参数自定义的同步请求。这些方法允许以简化的方式传递系统和用户消息，或者直接传递一个消息列表。
/** * 通用 AI 调用能力 */@Componentpublic class AiManager { @Resource private ClientV4 clientV4; // 稳定的随机数 private static final float STABLE_TEMPERATURE = 0.05f; // 不稳定的随机数 private static final float UNSTABLE_TEMPERATURE = 0.99f; /** * 同步请求（答案不稳定） * * @param systemMessage * @param userMessage * @return */ public String doSyncUnstableRequest(String systemMessage, String userMessage) { return doRequest(systemMessage, userMessage, Boolean.FALSE, UNSTABLE_TEMPERATURE); } /** * 同步请求（答案较稳定） * * @param systemMessage * @param userMessage * @return */ public String doSyncStableRequest(String systemMessage, String userMessage) { return doRequest(systemMessage, userMessage, Boolean.FALSE, STABLE_TEMPERATURE); } /** * 同步请求 * * @param systemMessage * @param userMessage * @param temperature * @return */ public String doSyncRequest(String systemMessage, String userMessage, Float temperature) { return doRequest(systemMessage, userMessage, Boolean.FALSE, temperature); } /** * 通用请求（简化消息传递） * * @param systemMessage * @param userMessage * @param stream * @param temperature * @return */ public String doRequest(String systemMessage, String userMessage, Boolean stream, Float temperature) { List chatMessageList = new ArrayList; ChatMessage systemChatMessage = new ChatMessage(ChatMessageRole.SYSTEM.value, systemMessage); chatMessageList.add(systemChatMessage); ChatMessage userChatMessage = new ChatMessage(ChatMessageRole.USER.value, userMessage); chatMessageList.add(userChatMessage); return doRequest(chatMessageList, stream, temperature); } /** * 通用请求 * * @param messages * @param stream * @param temperature * @return */ public String doRequest(List messages, Boolean stream, Float temperature) { // 构建请求 ChatCompletionRequest chatCompletionRequest = ChatCompletionRequest.builder .model(Constants.ModelChatGLM4) .stream(stream) .temperature(temperature) .invokeMethod(Constants.invokeMethod) .messages(messages) .build; try { ModelApiResponse invokeModelApiResp = clientV4.invokeModelApi(chatCompletionRequest); return invokeModelApiResp.getData.getChoices.get(0).toString; } catch (Exception e) { e.printStackTrace; throw new BusinessException(ErrorCode.SYSTEM_ERROR, e.getMessage); } } /** * 通用流式请求（简化消息传递） * * @param systemMessage * @param userMessage * @param temperature * @return */ public Flowable doStreamRequest(String systemMessage, String userMessage, Float temperature) { List chatMessageList = new ArrayList; ChatMessage systemChatMessage = new ChatMessage(ChatMessageRole.SYSTEM.value, systemMessage); chatMessageList.add(systemChatMessage); ChatMessage userChatMessage = new ChatMessage(ChatMessageRole.USER.value, userMessage); chatMessageList.add(userChatMessage); return doStreamRequest(chatMessageList, temperature); } /** * 通用流式请求 * * @param messages * @param temperature * @return */ public Flowable doStreamRequest(List messages, Float temperature) { // 构建请求 ChatCompletionRequest chatCompletionRequest = ChatCompletionRequest.builder .model(Constants.ModelChatGLM4) .stream(Boolean.TRUE) .temperature(temperature) .invokeMethod(Constants.invokeMethod) .messages(messages) .build; try { ModelApiResponse invokeModelApiResp = clientV4.invokeModelApi(chatCompletionRequest); return invokeModelApiResp.getFlowable; } catch (Exception e) { e.printStackTrace; throw new BusinessException(ErrorCode.SYSTEM_ERROR, e.getMessage); } }}Prompt是一种向语言模型提供输入的方法，它通过特定的提示或指令引导模型生成预期的输出。在自然语言处理中，简而言之，Prompt是一种高效利用语言模型能力的技术手段。
技巧一 定义 System Prompt用于设定AI助手行为模式的工具，包括角色设定、语言风格、任务模式和针对特定问题的具体行为指导。
示例：
你擅长从文本中提取关键信息，精确、数据驱动，重点突出关键信息，根据用户提供的文本片段提取关键数据和事实，将提取的信息以清晰的 json 格式呈现。
技巧二 让 AI 进行角色扮演让 AI 扮演角色、可以更准确地模仿该角色的行为和对话方式。
示例：
作为一个量子物理学家，解释量子物理学的基本原理，并简要介绍其在现代科技中的应用。
技巧三 提供具体的细节要求在 Prompt 中添加要求模型输出内容的细节和背景信息。
示例：
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。
技巧四 使用分隔符标示不同的输入部分示例：
请基于以下内容：
""" 要总结的文章内容"""
提炼核心观点和纲要
要求模型分步骤解答问题，还要求其展示其推理过程的每个步骤。通过这种方式，可以减少不准确结果的可能性，并使用户更容易评估模型的响应。
示例：
作为一个 AI 助手，你的任务是帮助用户解决复杂的数学问题。对于每个问题，你需要首先独立解决它，然后比较和评估用户的答案，并最终提供反馈。在这个过程中，请展示你的每一步推理过程。我有一个数学问题需要帮助:"""问题是：一个农场有鸡和牛共 35 头，脚总共有 94 只。鸡和牛各有多少头？我的答案是鸡有 23 头，牛有 12 头"""。
技巧六 少样本学习可以作为进行少样本学习的示例。这些样本可以用来引导模型模仿特定的行为和语言风格。
模仿这种风格
1、三杯鸡在锅中欢跃，是岁月的篝火，是浪漫的乐章。
2、炖排骨的滋味，是冬日的棉被，是乡土的回响。
3、红烧勤鱼的鲜香，是海洋的密语，是大海的情书。
生成新的句子。
定义Prompt常量参考上文设计Prompt的常用技巧，根据自己的业务需求设计Prompt，示例代码是需要AI生成问卷题目，仅供参考。
// AI Promptprivate static final String GENERATE_QUESTION_SYSTEM_MESSAGE = "你是一位严谨的出题专家，我会给你如下信息：\n" + "```\n" + "应用名称，\n" + "【【【应用描述】】】，\n" + "应用类别，\n" + "要生成的题目数，\n" + "每个题目的选项数\n" + "```\n" + "\n" + "请你根据上述信息，按照以下步骤来出题：\n" + "1. 要求：题目和选项尽可能地短，题目不要包含序号，每题的选项数以我提供的为主，题目不能重复\n" + "2. 严格按照下面的 json 格式输出题目和选项\n" + "```\n" + "[{\"options\":[{\"value\":\"选项内容\",\"key\":\"A\"},{\"value\":\"\",\"key\":\"B\"}],\"title\":\"题目标题\"}]\n" + "```\n" + "title 是题目，options 是选项，每个选项的 key 按照英文字母序（比如 A、B、C、D）以此类推，value 是选项内容\n" + "3. 检查题目是否包含序号，若包含序号则去除序号\n" + "4. 返回的题目列表格式必须为 JSON 数组";业务逻辑中调用AI调用AI，使用定义好的Prompt生成题目
// AI 生成String result = aiManager.doSyncRequest(GENERATE_QUESTION_SYSTEM_MESSAGE, userMessage, null);完整代码
/** * 生成题目的用户消息 * * @param app * @param questionNumber * @param optionNumber * @return */private String getGenerateQuestionUserMessage(App app, int questionNumber, int optionNumber) { StringBuilder userMessage = new StringBuilder; userMessage.append(app.getAppName).append("\n"); userMessage.append(app.getAppDesc).append("\n"); userMessage.append(AppTypeEnum.getEnumByValue(app.getAppType).getText + "类").append("\n"); userMessage.append(questionNumber).append("\n"); userMessage.append(optionNumber); return userMessage.toString;}@PostMapping("/ai_generate")public BaseResponse> aiGenerateQuestion( @RequestBody AiGenerateQuestionRequest aiGenerateQuestionRequest) { ThrowUtils.throwIf(aiGenerateQuestionRequest == null, ErrorCode.PARAMS_ERROR); // 获取参数 Long appId = aiGenerateQuestionRequest.getAppId; int questionNumber = aiGenerateQuestionRequest.getQuestionNumber; int optionNumber = aiGenerateQuestionRequest.getOptionNumber; // 获取应用信息 App app = appService.getById(appId); ThrowUtils.throwIf(app == null, ErrorCode.NOT_FOUND_ERROR); // 封装 Prompt String userMessage = getGenerateQuestionUserMessage(app, questionNumber, optionNumber); // AI 生成 String result = aiManager.doSyncRequest(GENERATE_QUESTION_SYSTEM_MESSAGE, userMessage, null); // 截取需要的 JSON 信息 int start = result.indexOf("["); int end = result.lastIndexOf("]"); String json = result.substring(start, end + 1); List questionContentDTOList = JSONUtil.toList(json, QuestionContentDTO.class); return ResultUtils.success(questionContentDTOList);}来源：散文随风想
免责声明：本站系转载，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与本站联系，我们将在第一时间删除内容!