不花一分钱!手把手教你调用免费大模型API-智谱AI

不花一分钱!手把手教你调用免费大模型API-智谱AI

智谱AI免费API调用

  • 你是否也曾有过一个绝妙的AI点子,却被高昂的模型费用和复杂的部署环境劝退?想象一下,如果有一个‘AI魔法盒子’,不仅免费,而且开箱即用,你的下一个创意会是什么?
  • 今天分享的是智谱AIhttps://bigmodel.cn/
  • 废话不多说注册登录
  • 点击右上角控制台
  • 继续点击API-Key-添加新的API-Key-命名确定
  • 点击开发文档-免费模型即可体验众多免费的大模型API
  • api支持http、Python、Java、JavaScript等等调用方式,下面提供Python调用的简单示例
  • 首先安装Python-SDK:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
pip install zai-sdk 
  • 验证安装是否成功:
import zai print(zai.__version__)
  • 下面的是一个循环对话的Python样例大家可以自行替换自己的api-key测试,使用的是glm-4.5-flash免费模型
from zai import ZhipuAiClient defmain():# 初始化客户端 client = ZhipuAiClient(api_key='你的api-key')print("欢迎使用 Z.ai 聊天机器人!输入 'quit' 退出。")# 对话历史 conversation =[{"role":"system","content":"你是一个友好的 AI 助手"}]whileTrue:# 获取用户输入 user_input =input("您: ")if user_input.lower()=='quit':breaktry:# 添加用户消息 conversation.append({"role":"user","content": user_input})# 创建聊天请求 response = client.chat.completions.create( model="glm-4.5-flash", messages=conversation, temperature=0.7, max_tokens=65536, thinking={"type":"enabled"})# 获取 AI 回复 ai_response = response.choices[0].message.content print(f"AI: {ai_response}")# 添加 AI 回复到对话历史 conversation.append({"role":"assistant","content": ai_response})except Exception as e:print(f"发生错误: {e}")print("再见!")if __name__ =="__main__": main()
  • 运行输入即可循环对话:
  • 更多模型的api使用可以参考官方文档:https://docs.bigmodel.cn/cn/guide/develop/http/introduction
在这里插入图片描述

Read more

手把手教你用安信可星闪模组做智能家居中控:AT指令控制RGB灯+多设备透传联动

手把手教你用安信可星闪模组做智能家居中控:AT指令控制RGB灯+多设备透传联动 最近在折腾智能家居项目,发现一个挺有意思的现象:很多开发者一提到无线通信,脑子里蹦出来的还是Wi-Fi和蓝牙。不是说它们不好,但在一些对实时性要求高的场景,比如灯光随音乐律动、多个传感器数据同步上报,传统方案的延迟和稳定性就成了瓶颈。直到我上手试了安信可的星闪模组,尤其是用ComboAT指令集玩转点对点透传后,才感觉找到了一个更优解。这东西的强抗干扰和超低延迟特性,拿来做个高性能的智能家居中控,简直是降维打击。 这篇文章,我就从一个实际开发者的角度,带你一步步用安信可的星闪模组(以Ai-BS21-32S为例),搭建一个既能精细控制RGB灯带,又能同时管理多个传感器数据透传的智能中控系统。我们会从最基础的AT指令讲起,一直深入到如何利用单一模组实现主机/从机模式的灵活切换与多路数据管理。你会发现,用好这些指令,远不止是让灯亮起来那么简单。 1. 项目核心:为什么选择星闪与ComboAT? 在做智能家居中控时,我们通常面临几个核心痛点:设备联动延迟高、多设备同时连接稳定性差、复杂环境下通信易受干扰。传

AI小白也能快速用五分钟复现的ERNIE-4.5系列模型单卡部署与心理健康机器人实战案例

AI小白也能快速用五分钟复现的ERNIE-4.5系列模型单卡部署与心理健康机器人实战案例

* 本文重点在于文心大模型的微调 * 一起来轻松玩转文心大模型吧👉一文心大模型免费下载地址: https://ai.gitcode.com/theme/1939325484087291906 计算机配置 * 在国内部署选个自带CUDA的会快一点,不自带还得去NVIDIA下载,而其提供的CUDA依赖需要科学上网才能下载快。换阿里清华源也没用。 * 文心模型汇总 环境配置与部署 1. 更换镜像源(使用阿里云镜像源): sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak sudo sed -i 's|http://archive.ubuntu.com/ubuntu|http://mirrors.aliyun.com/ubuntu|g' /etc/apt/sources.

【UAV】基于PX4+Ubuntu24.04.3的无人机制作的开发环境搭建

【UAV】基于PX4+Ubuntu24.04.3的无人机制作的开发环境搭建

一、PX4 1.1 简介 PX4 是一款由瑞士苏黎世联邦理工学院(ETH)计算机视觉与几何实验室的 PIXHAWK 项目演变而来的开源自动驾驶仪飞行栈。以下是关于它的详细简介: * 基本信息 * 开源性质:PX4 由 PX4 开发团队和全球贡献者共同维护,基于宽松的 BSD 3 条款许可证,可自由使用和修改,也允许用于专有产品。 * 起源与发展:项目最早可追溯到 2009 年,2012 年 3 月首次发布,经过多年发展,由来自工业界和学术界的世界级开发人员不断完善。 * 主要特点 * 高度模块化:采用基于端口的架构,所有功能可分为可交换和可重复使用的模块,开发者可根据需求定制和替换不同组件,便于功能扩展和重新配置。 * 可扩展性强:支持多种类型的载具,包括飞机(多旋翼、固定翼和垂直起降)、地面车辆、水下潜航器等,还提供了丰富的硬件选择,适用于各种设备控制器、传感器和其他外围设备。

Windows安装Neo4j保姆级教程(图文详解)

Windows安装Neo4j保姆级教程(图文详解)

文章目录 * 前言 * 系统要求 * 安装Java环境 * 步骤1:检查Java版本 * 步骤2:下载Java JDK * 步骤3:安装Java JDK * 下载Neo4j * 步骤1:访问官方网站下载Neo4j * 步骤2:解压Neo4j * 启动Neo4j服务 * 步骤1:以管理员身份打开命令提示符 * 步骤2:导航到Neo4j的bin目录 * 步骤3:安装Neo4j服务 * 步骤4:启动Neo4j服务 * 步骤5:验证服务状态 * 访问Neo4j * 基本操作和配置 * 常用管理命令 * 配置文件修改 * 常见问题解决 * 问题1:端口被占用 * 问题2:Java版本不匹配 * 问题3:服务启动失败 * 总结 前言 Neo4j是一款强大的图数据库,特别适合处理复杂的关系数据。本教程将手把手教你在Windows系统上安装Neo4j,并配置可视化工具,让你快速上手图数据库的世界。 系统要求 在开始安装之前,请确保你的系统满足以下要求: 操作系统: