python接入AI大模型（以火山方舟为例）【保姆级教程】_火山方舟大模型 接入例子

本文主要用python语言实现agent的角色扮演，具体可参考火山方舟(火山方舟管理控制台)和微软的agentchat文档（AgentChat — AutoGen）

一、开通火山方舟的账户

具体可参考我之前写的文章（java搭建ai平台（保姆级教程）_java ai 大模型开发平台-CSDN博客），账户开通之后把api-key保存下来

二、部署本地环境

我使用的是PyCharm Community Edition 2024.3.3版本的python编译器，然后pip把改安装的插件给装了

pip install -U \"autogen-agentchat\"pip install \"autogen-ext[openai]\"pip install \"autogen-ext[azure]\"pip install --upgrade \"openai>=1.0\"

如果安装失败的话可以用清华的镜像，如

pip install \"autogen-ext[openai]\" -i https://pypi.tuna.tsinghua.edu.cn/simplepip install -U \"autogen-agentchat\" -i https://pypi.tuna.tsinghua.edu.cn/simplepip install \"autogen-ext[azure]\" -i https://pypi.tuna.tsinghua.edu.cn/simple

如图所示

三、编写程序

新建一个项目，里面添加一个软件包名为chat_routers，在包下创建一个python文件名为agent_chat，以及在根目录下创建main.py文件，如下图所示

agent_chat.py的代码

from autogen_agentchat.messages import TextMessagefrom autogen_core import CancellationTokenfrom autogen_agentchat.agents import AssistantAgentfrom autogen_core.models import ChatCompletionClient# 发送异步消息async def chat_agent(user_content:str): try: # 大模型配置 model_config = { \"provider\": \"autogen_ext.models.openai.OpenAIChatCompletionClient\", \"config\": { \"model\": \"doubao-*****\", \"api_key\": \"6ef******\", \"base_url\": \"https://ark.cn-beijing.volces.com/api/v3\", \"model_info\": { \"multiple_system_messages\": True, \"vision\": False, \"function_calling\": True, \"json_output\": False, \"family\": \"doubao\", \"structured_output\": False  } } } model_client = ChatCompletionClient.load_component(model_config) # 配置智能体实例 assistant_agent = AssistantAgent( name=\"店员A\", model_client=model_client, system_message=\"你是便利店店员，性别为女，你性格活泼开朗，遇到什么人都能唠两句，你喜欢用肢体动作表达你的情绪，如（手舞足蹈）\" ) agent_response = await assistant_agent.on_messages( messages=[TextMessage(content=user_content, type=\"TextMessage\", source=\"user\")], cancellation_token=CancellationToken() ) # 记录消耗的Token数 prompt_tokens = agent_response.chat_message.models_usage.prompt_tokens # 输入token completion_tokens = agent_response.chat_message.models_usage.completion_tokens # 输出token agent_name = agent_response.chat_message.source # agent的回复 reply_content = agent_response.chat_message.content if hasattr(agent_response.chat_message, \"content\") else \"\" # 构造返回值 result = [{ \"prompt_tokens\":prompt_tokens, \"completion_tokens\":completion_tokens, \"reply_content\":reply_content, \"agent_name\":agent_name }] # 返回结果 return result except Exception as e: print(f\"报错：{e}\") return e

main.py的代码

import asynciofrom chat_routers.agent_chat import chat_agentimport warnings# 忽略所有警告warnings.filterwarnings(\"ignore\")async def main(): try: user_input = input(\"用户：\") while(user_input != \"退出\"): # 创建一个任务来运行 chat_agent task = asyncio.create_task(chat_agent(user_input)) # 等待任务完成并获取返回值 response = await task # 构造智能体的回复 print(f\"{response[0].get(\'agent_name\')}：{response[0].get(\'reply_content\')}\") user_input = input(\"用户：\") except Exception as e: print(f\"发生错误：{e}\")if __name__ == \'__main__\': asyncio.run(main())

 至此，先别急着运行，把里面的model_name和api-key换成你自己的，教程如下

四、替换火山方舟大模型

经过第一步的注册，我们以及拿到了火山方舟的api-key，接下来就是开通模型，至于为什么是火山方舟而不是deepseek这些的，因为它便宜还好用还有很多免费额度（白嫖党点了）

（题外话：每个模型都不一样，比如thinking就是会长思考，输出的内容比较多，等待的时长也比较长，vision顾名思义就是视觉模型，可以生成图片等功能，我个人比较喜欢的是1.5-vision-pro和1.5-vison-lite，pro感觉输出的内容比较优质，lite响应很快，具体的模型效果可以点击模型详细查看，每个模型各有各的优点，除了语言模型，还有语音模型和视觉模型等，看个人所需） 

正题：跳转至模型列表（火山方舟管理控制台），里面有很多你可以开通的模型，免费额度用完就重新开通另一个，如下图所示，选择一个你喜欢的模型（以Doubao-Seed-1.6-thinking为例）

点击右边的开通服务，点击我同意然后立刻购买，就会获得五百万的免费额度

再返回控制台（火山方舟管理控制台），点进新开通的模型，点击模型推理

这里能获取到你的模型id和api-key，接下来就可以正常角色聊天啦

五、结果展示

可以在agent_chat.py里面修改智能体提示词，用于智能体的认知，name为智能体名system_message为智能体提示词，相当于给智能体设立的身份

至此，结束

这只是最简单的智能体对话，还有智能体团队和智能体工具的使用，团队就是多个智能体能够一起交流，具体的可以查看微软的agentchat官方文档，还可以将智能体的对话保存到数据库中，在对话的时候让智能体根据对话的上下文回复，使之更人性化，具体的大家都可以去探索