【案例共创】基于华为开发者空间-云开发环境(容器)与Versatile Agent构建AI轻量级智能笑话机器人助手

【案例共创】基于华为开发者空间-云开发环境(容器)与Versatile Agent构建AI轻量级智能笑话机器人助手

最新案例动态,请查阅【案例共创】基于华为开发者空间-云开发环境(容器)与Versatile Agent构建AI轻量级智能笑话机器人助手。小伙伴们快来进行实操吧!

本案例由开发者:liujxu提供

一、概述

1.1 适用对象

  • 个人开发者
  • 高校学生

1.2 案例流程

本案例基于华为开发者空间-云开发环境(容器)与Versatile Agent,构建一个轻量级、趣味性强的AI应用——“智能笑话机器人”。该机器人能够理解用户的意图,并以一个幽默风趣的喜剧演员的口吻,为用户提供源源不断的笑话,为日常生活增添一份乐趣。
通过本案例的实践,开发者可以体验到从Versatile Agent智能体(Agent)的创建、后端服务的开发,到最终Web应用部署的全过程。这不仅是一个有趣的AI应用开发入门教程,也是一个展示如何将大型语言模型(LLM)的能力快速封装成具体产品的典型示例。

说明:

  1. 登录华为开发者空间,VS Code安装Huawei Developer Space插件,远程创建、开机、连接云开发环境(容器);
  2. 领取福利开通商用模型服务token,配置创建Versatile Agent每日笑话机器人应用;
  3. GitCode拉取智能笑话机器人代码,安装依赖,修改配置参数;
  4. 启动程序,在浏览器端测试验证智能笑话机器人应用。

1.3 资源总览

本案例预计花费1元

资源名称规格单价(元)时长(分钟)
华为开发者空间 - 云开发环境(容器)鲲鹏通用计算增强型 kc1 | 2vCPUs | 4G | HCE免费90
华为开发者空间 - Versatile Agent平台系统标配免费90
华为开发者空间 - DeepSeek-R1/V3千万Tokens代金券DeepSeek-R1-64K/DeepSeek-V3-64K1.0090

二、环境和资源准备

2.1 创建云开发环境(容器)

参考案例《华为开发者空间 - 云开发环境(容器)IDE插件远程连接操作指导》中的“二、云开发环境IDE插件远程连接操作指导”的内容,完成“1. 安装插件” ~ “4. 连接”章节步骤。完成连接之后的状态:

参考“5. 端口转发”创建8082端口转发。

2.2 获取IAM用户信息

参考案例《华为云IAM用户创建指导手册》完成IAM用户账号的创建与登录,最后IAM用户名账号名项目ID以及IAM账户密码等关键字段信息。

image-20260106095203781

注:

  1. 本案例使用华北-北京四对应的项目ID。
  2. 在创建用户时,访问方式勾选编程访问
image-20260108173533066

三、轻量级智能笑话机器人

3.1 创建Versatile Agent应用

参考案例《华为云MaaS平台商用大模型Tokens领取使用指导》中“二、 领取MaaS平台商用大模型Tokens”和“3.1 Versatile Agent配置MaaS平台商用大模型”内容完成MaaS平台商用大模型Tokens领取和Versatile Agent配置。

image-20260108154345601

华为开发者空间 - Versatile Agent开发平台,选择智能体 > 单智能体应用页签,点创建应用

image-20260106101924620

然后参考如下样例,创建AI作业评分系统单智能体应用:

  • 选择创建类型:单智能体应用
  • 应用名称:每日笑话机器人
  • 应用描述:每日笑话机器人助手是一款专为提升用户日常欢乐指数设计的AI幽默大师。它能够智能生成各类风格的笑话(包括冷幽默、谐音梗、情景喜剧等),并支持根据用户偏好定制笑话主题和难度级别。该助手具备情绪感知能力,可在用户疲惫或压力大时主动推送轻松内容,同时提供收藏分享功能便于传播快乐。主要服务于压力人群、社交达人及需要调节气氛的职场团队,通过科学验证的幽默疗法帮助缓解焦虑、促进人际互动,让每一天都从会心一笑开始。

完成上述配置后,点立即创建

在每日笑话机器人应用配置页面,右上角模型选择MaaS平台下的DeepSeek-R1-64K,调度选择模型优先。然后参考如下样例配置提示词:

人设: 你是一个幽默风趣的喜剧演员,你的唯一任务就是用中文给用户讲各种类型的笑话,让用户开心。 1. 专业单口喜剧表演者,擅长即兴幽默创作 2. 精通谐音梗、反转梗、生活观察式笑话 3. 永远保持积极阳光的吐槽风格 任务描述: 当用户让你讲笑话时,请你生成一个简短、有趣的笑话。不要做讲笑话之外的任何事情 1. 在3秒内生成原创中文笑话 2. 通过出人意料的脑洞引发会心一笑 3. 严格控制在日常生活场景的幽默尺度 4. 禁止涉及任何敏感话题或冒犯性内容 

智能添加开场白和推荐问题。配置完后输入如下问题,测试模型:请分享一个简短有趣的笑话

模型分析,并返回正确答案。点右上角的发布按钮,编辑发布信息,然后点发布

进入发布管理页面,网页栏点发布,发布完后的状态如下。

发布完成之后,选择API调用页签,在此处可获取API调用的的url

3.2 获取智能笑话机器人项目代码

完成VS Code远程连接云开发环境(容器)后,点击Source Control图标,然后点Initialize Repository

点CHANGES右侧的 ··· 图标,在下拉菜单中选择Clone

image-20260108163109320

输入代码仓地址,Clone from URL:https://gitcode.com/sinat_41661654/mybot.git

选择代码仓目录:/workspace/python/,点Select as Repository Destination

然后点Open,将此目录设置为本地代码仓。

image-20260108163412131

加载结束后的状态如下:

3.3 项目工程架构

mybot ├── get_token.py # 职责:获取API访问令牌(Token)的Python文件 ├── [main.py](http://main.py/) # 职责:“每日笑话机器人”的主执行文件 │ └── read_token_from_file() # 功能:从文件中读取Token │ └── call_agent() # 功能:调用“笑话机器人”Agent的函数 │ └── index() # 功能:主页路由,包含“笑话机器人”的UI界面 │ └── get_joke_api() # 功能:处理前端获取笑话请求的API └── token.txt # 说明:运行get_token.py后生成,保存获取到的Token 

3.4 部署智能笑话机器人项目

3.4.1 安装部署依赖
  1. 打开VS Code命令行窗口,创建并激活虚拟环境。
python -m venv dev_venv source dev_venv/bin/activate 
  1. 继续执行命令,安装requests和flask
pip install requests pip install Flask pip install --upgrade flask 
3.4.2 修改项目配置
  1. 配置获取Token鉴权

Agent API调用需要通过用户Token进行用户鉴权,所以接口调用前,需要先获取用户的Token。

注意:华为账号不支持直接获取账号Token,华为账号获取Token需创建一个IAM用户并授予该用户必要的权限,使用创建的IAM用户名和密码,获取IAM用户Token。IAM用户名和密码,我们已经在“2.2 获取IAM用户信息”中获取。

在mybot文件夹下,查看编辑get_token.py文件。

注意:

  • MAIN_USER:替换成“2.2 获取IAM用户信息”中获取的账号名;
  • IAM_USER:替换成“2.2 获取IAM用户信息”中获取的IAM用户名;
  • PROJECT_ID:替换成“2.2 获取IAM用户信息”中获取的华北-北京四区域对应的项目ID;
  • IAM_PASSWORD:替换成“2.2 获取IAM用户信息”中创建用户时,设置的IAM账号密码。

完成上述配置后,在VS Code命令行中输入如下指令,get_token.py自动生成token并被保存在token.txt文件中。

python get_token.py 
  1. 修改AI作业评分系统应用URL

打开main.py,将url参数替换成“3.1 创建Versatile Agent应用”中最后获取的url。

image-20260108175023974

3.5 工程运行

在VS Code命令行中输入如下指令,启动程序:

python main.py 

程序启动成功,浏览器访问:http://127.0.0.1:8082/。点“给我讲个笑话!”,系统自动生成一个笑话。

3.6 释放资源

实验完成后,若无需继续后台运行,可操作云开发环境关机,避免持续消耗开发者空间核时。

在VS Code页面打开华为开发者空间插件,然后找到对应的云开发环境(容器),点Close关机。

image-20251113153627869

至此,基于华为开发者空间-云开发环境(容器)与Versatile Agent构建AI轻量级智能笑话机器人助手的案例结束。各位小伙伴快来华为开发者空间实操体验吧!

反馈改进建议

如您在案例实操过程中遇到问题或有改进建议,可以到论坛帖评论区反馈即可,我们会及时响应处理,谢谢!

Read more

DeepSeek-R1-Distill-Llama-8B参数详解:LoRA微调适配、上下文长度扩展与KV Cache优化

DeepSeek-R1-Distill-Llama-8B参数详解:LoRA微调适配、上下文长度扩展与KV Cache优化 1. 模型定位与核心价值 DeepSeek-R1-Distill-Llama-8B不是一款普通的小尺寸语言模型,而是一次精准的“能力浓缩”实践——它把DeepSeek-R1在数学推理、代码生成和复杂逻辑任务上的扎实表现,通过知识蒸馏技术,高效迁移到Llama架构的8B参数量级上。对开发者而言,这意味着:不用牺牲太多性能,就能获得轻量、可部署、易定制的推理能力。 很多人会疑惑:为什么选Llama架构做蒸馏?答案很实际:Llama生态成熟、工具链完善、社区支持丰富。相比Qwen蒸馏系列(如32B版本),Llama-8B版本在体积和速度上更具优势;相比原生Llama-3-8B,它又继承了DeepSeek-R1经过强化学习锤炼出的推理结构偏好——比如更长的思维链展开、更稳定的多步推导、更少的无意义重复。这不是简单地“换壳”,而是把高阶推理能力“编译”进一个更友好的运行时环境里。 你不需要从零训练一个大模型,也不必为部署o1-mini级别的模型准备A100集群。De

Stable-Diffusion-v1-5-archive企业合规实践:生成内容水印嵌入+版权元数据自动标注

Stable-Diffusion-v1-5-archive企业合规实践:生成内容水印嵌入+版权元数据自动标注 1. 引言:当AI创意遇上企业合规 想象一下,你的设计团队用Stable Diffusion v1.5 Archive快速生成了上百张营销海报,效率提升了十倍。但法务部门突然找上门,问了一个尖锐的问题:“这些AI生成的图片,版权怎么算?万一被竞争对手盗用了,我们怎么证明是自家生成的?” 这不是危言耸听,而是很多企业引入AI图像生成工具后,面临的真实合规挑战。AI生成的内容,在法律上属于“作品”还是“数据”?如何证明其归属?如何防止内部敏感信息通过AI工具泄露? 今天,我们就来解决这个痛点。我将带你深入Stable Diffusion v1.5 Archive的部署实践,重点分享如何为企业级应用添加生成内容水印嵌入和版权元数据自动标注功能。这不仅能让你的AI创意工作流更高效,还能让它在法律和合规层面坚如磐石。 2. 为什么企业需要AI生成内容的合规方案? 在深入技术实现之前,我们先搞清楚问题的严重性。很多技术团队只关注模型效果和生成速度,却忽略了合规这个“隐形炸弹

Copilot实战:如何用AI助手高效完成1.5万行Python项目(附完整提示词模板)

Copilot实战:如何用AI助手高效完成1.5万行Python项目(附完整提示词模板) 最近在折腾一个不算太小的Python项目,代码量最终堆到了1.5万行左右。整个过程里,我几乎把Copilot当成了我的“第二大脑”。说实话,它确实没法独立完成一个项目,但如果你知道怎么跟它“对话”,怎么给它“喂”对的信息,它带来的效率提升是惊人的。这篇文章,我就想抛开那些泛泛而谈的“AI编程革命”,从一个真实项目参与者的角度,聊聊怎么让Copilot真正成为你手边最趁手的工具,而不是一个时灵时不灵的玩具。我会分享我踩过的坑、总结出的具体提示词模板,以及如何管理项目文件来最大化AI助手的效用。如果你也厌倦了在简单重复的代码上浪费时间,希望把精力集中在真正的架构和逻辑设计上,那么接下来的内容,或许能给你一些实在的启发。 1. 从“玩具”到“工具”:重新定位你的AI编程伙伴 很多开发者初次接触Copilot时,都抱着一种“让它写代码给我看”的心态。这往往导致最初的兴奋迅速被挫败感取代——生成的代码牛头不对马嘴,或者稍微复杂一点的需求就卡壳。问题的核心在于,我们错误地将其定位为一个“全自动代码生成

从零开始:AIGC中的变分自编码器(VAE)代码与实现

从零开始:AIGC中的变分自编码器(VAE)代码与实现

个人主页:chian-ocean 文章专栏 深入理解AIGC中的变分自编码器(VAE)及其应用 随着AIGC(AI-Generated Content)技术的发展,生成式模型在内容生成中的地位愈发重要。从文本生成到图像生成,变分自编码器(Variational Autoencoder, VAE)作为生成式模型的一种,已经广泛应用于多个领域。本文将详细介绍VAE的理论基础、数学原理、代码实现、实际应用以及与其他生成模型的对比。 1. 什么是变分自编码器(VAE)? 变分自编码器(VAE)是一种生成式深度学习模型,结合了传统的概率图模型与深度神经网络,能够在输入空间和隐变量空间之间建立联系。VAE与普通自编码器不同,其目标不仅仅是重建输入,而是学习数据的概率分布,从而生成新的、高质量的样本。 1.1 VAE 的核心特点 * 生成能力:VAE通过学习数据的分布,能够生成与训练数据相似的新样本。 * 隐空间结构化表示:VAE学习的隐变量分布是连续且结构化的,使得插值和生成更加自然。 * 概率建模:VAE通过最大化似然估计,能够对数据分布进行建模,并捕获数据的复杂特性。