第六章：智谱 AI 集成

简介

智谱 AI（Zhipu AI）是清华大学团队开发的大语言模型，特点：

• 学术背景：清华大学技术团队
• 开源领先：GLM 系列开源模型
• 性价比高：价格亲民
• 中文优化：中文能力强

模型概览（2026）

模型	特点	适用场景
glm-4-plus	最强能力	复杂任务
glm-4-air	平衡性能	通用场景
glm-4-flash	快速响应	简单任务
glm-4v	多模态	图片理解

获取 API Key

1. 访问 https://open.bigmodel.cn/
2. 注册并登录
3. 创建 API Key

安装 SDK

pip install zhipuai

基本使用

初始化客户端

from zhipuai import ZhipuAI

client = ZhipuAI(api_key="xxx.xxx")

对话补全

response = client.chat.completions.create(
    model="glm-4-plus",
    messages=[
        {"role": "system", "content": "你是一个助手"},
        {"role": "user", "content": "你好"}
    ]
)

print(response.choices[0].message.content)

流式输出

response = client.chat.completions.create(
    model="glm-4-plus",
    messages=[{"role": "user", "content": "写一首诗"}],
    stream=True
)

for chunk in response:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

使用 OpenAI 兼容格式

from openai import OpenAI

client = OpenAI(
    api_key="xxx.xxx",
    base_url="https://open.bigmodel.cn/api/paas/v4"
)

response = client.chat.completions.create(
    model="glm-4-plus",
    messages=[{"role": "user", "content": "你好"}]
)

print(response.choices[0].message.content)

高级功能

函数调用

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "获取城市天气",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {"type": "string", "description": "城市名"}
                },
                "required": ["city"]
            }
        }
    }
]

response = client.chat.completions.create(
    model="glm-4-plus",
    messages=[{"role": "user", "content": "北京天气怎么样"}],
    tools=tools
)

if response.choices[0].message.tool_calls:
    tool_call = response.choices[0].message.tool_calls[0]
    print(f"调用函数: {tool_call.function.name}")
    print(f"参数: {tool_call.function.arguments}")

图片理解（GLM-4V）

response = client.chat.completions.create(
    model="glm-4v",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image_url",
                    "image_url": {"url": "https://example.com/image.jpg"}
                },
                {"type": "text", "text": "描述这张图片"}
            ]
        }
    ]
)

print(response.choices[0].message.content)

长文本处理

# GLM-4 支持 128K 上下文
response = client.chat.completions.create(
    model="glm-4-plus",
    messages=[
        {"role": "system", "content": "很长的文档内容..." * 1000},
        {"role": "user", "content": "总结这个文档"}
    ]
)

价格对比

模型	输入价格	输出价格
glm-4-plus	¥50/百万 tokens	¥50/百万 tokens
glm-4-air	¥1/百万 tokens	¥1/百万 tokens
glm-4-flash	免费	免费

注意：GLM-4-Flash 免费使用，适合测试和低频场景！

完整示例

from zhipuai import ZhipuAI

class GLMClient:
    def __init__(self, api_key: str):
        self.client = ZhipuAI(api_key=api_key)

    def chat(self, prompt: str, model: str = "glm-4-flash", stream: bool = False):
        """普通对话"""
        if stream:
            return self._stream_chat(prompt, model)
        return self._sync_chat(prompt, model)

    def _sync_chat(self, prompt: str, model: str):
        response = self.client.chat.completions.create(
            model=model,
            messages=[{"role": "user", "content": prompt}]
        )
        return response.choices[0].message.content

    def _stream_chat(self, prompt: str, model: str):
        response = self.client.chat.completions.create(
            model=model,
            messages=[{"role": "user", "content": prompt}],
            stream=True
        )
        for chunk in response:
            if chunk.choices[0].delta.content:
                yield chunk.choices[0].delta.content

    def analyze_image(self, image_url: str, question: str):
        """图片分析"""
        response = self.client.chat.completions.create(
            model="glm-4v",
            messages=[
                {
                    "role": "user",
                    "content": [
                        {"type": "image_url", "image_url": {"url": image_url}},
                        {"type": "text", "text": question}
                    ]
                }
            ]
        )
        return response.choices[0].message.content

# 使用
client = GLMClient("xxx.xxx")

# 免费模型测试
answer = client.chat("介绍一下 Python", model="glm-4-flash")
print(answer)

# 流式输出
for text in client.chat("写一首诗", stream=True):
    print(text, end="", flush=True)

# 图片分析
result = client.analyze_image("https://example.com/chart.png", "分析这个图表")
print(result)

小结

本章学习了：

• ✅ 智谱 AI 简介
• ✅ GLM-4 系列模型使用
• ✅ OpenAI 兼容格式
• ✅ 函数调用
• ✅ 图片理解（GLM-4V）
• ✅ 免费模型 glm-4-flash

下一章

第七章：Kimi 集成 - 学习月之暗面 Kimi API 使用。