基于华为开发者空间-云开发环境(容器)+MaaS大模型构建智能写作助手应用

基于华为开发者空间-云开发环境(容器)+MaaS大模型构建智能写作助手应用

最新案例动态,请查阅 《基于华为开发者空间-云开发环境(容器)+MaaS大模型构建智能写作助手应用》。小伙伴快来领取华为开发者空间进行实操吧!

一、概述

1. 案例介绍

华为开发者空间,是为全球开发者打造的专属开发者空间,致力于为每位开发者提供一台云主机、一套开发工具和云上存储空间,汇聚昇腾、鸿蒙、鲲鹏、GaussDB、欧拉等华为各项根技术的开发工具资源,并提供配套案例指导开发者从开发编码到应用调测,基于华为根技术生态高效便捷的知识学习、技术体验、应用创新。

面对海量用户并发开发、测试对资源弹性与隔离性的高标准要求,华为开发者空间开发平台 - 云开发环境(容器)深度融合了弹性云主机的高性能计算与容器技术的敏捷弹性,通过构建集高效计算、安全隔离、敏捷部署于一体的云原生基础设施,不仅保障了云开发环境的稳定可靠,更实现了资源的秒级伸缩与高效利用,为加速应用创新提供了坚实底座。

华为MaaS平台不仅提供高质量的DeepSeek-V3模型,更具备百万token的超长上下文处理能力,使得本应用能够支持复杂的多轮对话场景和长文档分析任务。前端采用Gradio框架构建响应式聊天界面,后端通过封装MaaS平台API,为用户提供流畅的智能对话体验。

本案例基于华为开发者空间-云开发环境(容器)+MaaS大模型,构建智能写作助手应用。

2. 适用对象

  • 企业
  • 个人开发者
  • 高校学生

3. 案例时间

本案例总时长预计60分钟。

4. 案例流程

说明:

  1. 用户进入开发者空间开发平台云开发环境,创建容器;
  2. 使用VS Code连接云开发环境;
  3. 编写Web端项目代码集成MaaS大模型;
  4. 使用浏览器测试并体验智能写作助手。

5. 资源总览

本案例预计花费0元。

资源名称规格单价(元)时长(分钟)
华为开发者空间开发平台 - 云开发环境(容器)鲲鹏通用计算增强型 kc1 | 2vCPUs | 4G | HCE免费60

二、环境准备

1. 领取注册开发者空间

开发者空间是开发者专属的云上成长空间,预置免费华为根技术工具和资源,为开发者提供从学习、开发到部署的全旅程支持。

点击免费领取,立即领取开发者空间。

注意:领取开发者空间,需要登录华为账号,如果没有,请注册华为账号并完成实名认证。

2. 领取百万tokens代金券

参考案例《Versatile Agent中自定义接入大模型配置华为云Maas指导》中的“一、 领取”章节内容,领取华为开发者空间百万token代金券福利,购买ModelArts Studio DeepSeek-V3 轻量体验包(¥3.50)。开通商用模型服务,最后获取模型名称API地址API Key的参数值。

注意:记录API KeyAPI地址以及model名称留作后面步骤使用。

三、配置云开发环境(容器)

1. VS Code远程连接云开发环境(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:

四、构建智能写作助手应用

1. 获取智能写作助手项目代码

点击版本控制图标,再点击Initialize Repository

clone代码,输入代码仓地址,Clone from URL:https://gitcode.com/u014005316/writing-assistant.git

选择代码仓目录:/root/,点击Add to Workspace加入当前工作空间。

2. 安装项目依赖

按下Ctrl+Shift+`,打开Terninal窗口,选择writing-assistant目录,安装requestsflask

pip install requests pip install flask 

安装Python插件:

3. 智能写作助手代码功能介绍

智能写作助手代码结构如下图所示:

writing-assistant # 项目名称 ├── templates │ └── index.html # 智能写作助手UI界面的html文件 ├── app.py # 智能写作助手执行入口文件 │ └── index() # 主页路由 │ └── generate_content() # 调用模型生成内容 └── deepseek_api.py # 模型调用 

app.py部分代码如下

# app.py from flask import Flask, request, jsonify, render_template from deepseek_api import DeepSeekAPI import os app = Flask(__name__) # 初始化DeepSeek API客户端 api_client = DeepSeekAPI( api_key='API_KEY', api_url='API_URL', model='MODEL' ) @app.route('/') def index(): """主页""" return render_template('index.html') if __name__ == '__main__': # 创建模板目录 os.makedirs('templates', exist_ok=True) print("=" * 50) print("智能写作助手启动成功!") print("访问: http://localhost:5000") print("=" * 50) app.run(debug=True, host='0.0.0.0', port=5000) 

注意:

  • API_KEY替换成“二、环境准备中的2. 领取百万tokens代金券”中获取的API Key;
  • API_URL替换成“二、环境准备中的2. 领取百万tokens代金券”中获取的API地址;
  • MODEL替换成“二、环境准备中的2. 领取百万tokens代金券”中获取的model名称。

4. 测试体验智能写作助手

运行智能写作助手项目:

点击右上角运行按钮,运行main.py文件:

在浏览器中输入:http://127.0.0.1:5000,或者点击Open in Browser进入智能写作助手平台。

输入文章主题:人工智能未来发展趋势
选择:文章生成
文章风格:学术
文章长度:短篇(300字)

点击开始生成

智能写作助手成功帮助我们生成文章。

至此,基于华为开发者空间-云开发环境(容器)+MaaS大模型构建智能写作助手应用的案例已全部完成。

Read more

黄仁勋力荐:OpenClaw不止是下一个ChatGPT,更是AI“动手时代”的破局者

黄仁勋力荐:OpenClaw不止是下一个ChatGPT,更是AI“动手时代”的破局者

在2026年GTC大会上,英伟达创始人兼CEO黄仁勋抛出了一个振聋发聩的判断:“OpenClaw绝对是下一个ChatGPT”。 这一评价并非夸大其词,而是精准点出了AI产业的核心演进方向——从“被动回答”的语言交互,转向“主动行动”的任务执行。ChatGPT开启了大语言模型(LLM)的普及时代,让AI具备了理解和生成人类语言的能力,但它始终停留在“军师”的角色,只能提供方案建议;而OpenClaw的出现,彻底打破了这一局限,将AI变成了能动手干活的“数字员工”,完成了AI从“认知”到“执行”的关键跃迁,成为连接AI能力与现实场景的核心桥梁。 下面我将从技术本质出发,拆解OpenClaw的核心架构、关键技术实现,结合代码示例、架构图与流程图,深入解析其如何实现“行动型AI”的突破,以及为何能被黄仁勋寄予厚望,成为AI产业的下一个里程碑。 一、认知跃迁:从“回答型AI”到“行动型AI”的本质区别 要理解OpenClaw的价值,首先需要明确它与ChatGPT这类“回答型AI”的核心差异。

【AI】高效交互的艺术:AI提示工程与大模型对话指南

【AI】高效交互的艺术:AI提示工程与大模型对话指南

🔥小龙报:个人主页 🎬作者简介:C++研发,嵌入式,机器人等方向学习者 ❄️个人专栏:《AI》 ✨ 永远相信美好的事情即将发生 文章目录 * 前言 * 一、ChatatGPT介绍 * 二、什么是提示工程? * 三、大语言模型的底层原理 * 四、AI的相关术语 * 五、如何与AI(以ChatatGPT为例)更好交流 * 5.1 使用AI的核心 * 5.2 提示组成结构 * 5.3 创建好的提示的策略 * 5.4 提示的类别 * 5.5 创建在和AI提示的进阶框架 * 5.6如何减少AI回答的空洞无味感 * 5.7 如何提高AI回答的可读性 * 六、使用AI的更多技巧 * 6.1 高效提示的原则 * 6.

Stable Diffusion v1.5技术解密:从创意到商业化的AI图像生成革命

Stable Diffusion v1.5技术解密:从创意到商业化的AI图像生成革命 【免费下载链接】stable_diffusion_v1_5Stable Diffusion is a latent text-to-image diffusion model capable of generating photo-realistic images given any text input. 项目地址: https://ai.gitcode.com/openMind/stable_diffusion_v1_5 还在为AI图像生成的复杂技术而头疼吗?想要快速掌握这个价值数十亿美元市场背后的核心技术吗?今天,我将带你深入Stable Diffusion v1.5的技术内核,揭秘它如何从实验室走向商业化应用的完整路径。无论你是技术开发者、内容创作者还是企业决策者,这篇文章都将成为你进入AIGC世界的通行证 🚀 开篇:AI图像生成的三大痛点与解决方案 在深入技术细节之前,

七大AIGC测试工具横向评测:赋能软件测试的AI利器

七大AIGC测试工具横向评测:赋能软件测试的AI利器

在AI技术迅猛发展的2025年,AIGC(人工智能生成内容)工具已深度融入软件测试领域,显著提升测试效率和质量。本次评测聚焦七大主流工具:CodeWhisperer、GitHub Copilot、Testim、Selenium AI、Test.ai、Mabl和Functionize。评测基于实际测试场景(如Web/API测试、移动端兼容性验证),从核心功能、优缺点、适用性及成本四维度展开。目标是为测试工程师提供数据驱动的决策参考。评测方法包括工具实测(使用Python/Java测试脚本)、用户反馈分析(来源Stack Overflow和GitHub议题)及性能基准测试(错误检测率、执行速度)。以下是详细横向比较。 一、工具核心功能与评测结果 1. Amazon CodeWhisperer * 功能亮点:基于AWS的AI代码助手,专精于测试脚本生成。支持Python、Java等语言,能自动补全测试用例(如Selenium脚本),并集成漏洞扫描。实测中,生成100行测试代码的平均时间仅5秒,错误率低于5%。 * 优点: