智谱AI API接入实战:免费模型不限量使用指南(含若手软件配置示例)

智谱AI API接入实战:免费模型不限量使用指南(含若手软件配置示例)
本教程适用于有AI能力的软件,例如:

若手内容管家(批量生成内容、图片):https://www.ruoshou.com/soft/2.html

若手AI重命名(智能修改文件名):https://www.ruoshou.com/soft/3.html

其他非若手软件产品,但使用标准OpenAI API 格式请求的软件同样通用

基本信息

  1. 平台地址:https://www.bigmodel.cn/
  2. KEY地址:https://www.bigmodel.cn/usercenter/proj-mgmt/apikeys
  3. 模型、价格列表:https://www.bigmodel.cn/pricing
  4. 速率限制:https://www.bigmodel.cn/usercenter/proj-mgmt/rate-limits

API KEY 申请

步骤一:智谱平台账号注册

账号注册:平台 https://www.bigmodel.cn/

步骤二:创建/获取API KEY

  1. 注册后,右上角“用户”图标,点击“API KEY”进入,或控制台页面点“API KEY”,进入管理页面。
  2. API KEY管理页面右上角“添加新的API KEY”。
  3. 填写名称后(随意填写)点击确定,完成创建。

复制API KEY到软件:软件主界面点击“AI 配置” → 粘贴刚刚复制的API KEY

保存后,重新打开AI配置界面,进入测试功能。选择文本生成测试,验证API KEY的有效性。

智谱模型新增

更换模型,无需更换API KEY,只需填写正确的模型名称即可(平台提供)

到模型列表根据自己需求找到合适的模型:https://docs.bigmodel.cn/cn/guide/models/free/

复制模型名称,到“AI配置” 中的“模型”粘贴后直接回车就完成新增。

若使用内置的模型,只需更换API KEY 即可。

API地址:已内置,如需更换可以(一般不需要更换):直接复制API 地址到“AI配置” 中的“API地址”替换。

厂商:可随意填写。

智谱免费模型比较多,行业清流,比较有格局的一个平台,免费模型不限量供应~

速度也很快(带深度思考的会慢很多)

常规任务尽量不使用深度思考模型。

各大AI平台免费模型大全:https://www.ruoshou.com/knowledge/14.html

Read more

【从 0 到 1 吃透 AI Agent】:底层逻辑、工具链选型与代码实现

【从 0 到 1 吃透 AI Agent】:底层逻辑、工具链选型与代码实现

🎁个人主页:User_芊芊君子 🎉欢迎大家点赞👍评论📝收藏⭐文章 🔍系列专栏:AI 文章目录: * 从入门到实践:全面解析AI Agent(智能体)的技术原理与应用落地 * 一、什么是AI Agent? * 1.1 定义与核心特征 * 1.2 AI Agent与传统LLM的区别 * 二、AI Agent的核心架构 * 2.1 感知层:获取信息的“感官” * 2.2 决策层:Agent的“大脑” * (1)任务规划(Task Planning) * (2)推理决策(Reasoning) * 2.3 执行层:落地行动的“手脚”

NotebookLM类似产品全览:AI研究与知识管理工具对比

NotebookLM类似产品全览:AI研究与知识管理工具对比 NotebookLM是Google推出的AI增强型研究笔记本,核心功能包括文档上传与分析、基于内容的问答、AI生成摘要/播客、知识关联发现和团队协作。以下是功能相近的主流产品,按类型与核心优势分类整理,便于快速匹配需求。 一、开源平替(私有化部署首选) 产品名称核心优势支持模型特色功能Open Notebook暴涨12k+ GitHub Star,高度可定制OpenAI、Claude、Gemini等16种,支持Ollama本地部署多笔记本管理,PDF/Word/视频内容整合,离线运行PageLM教育场景优化,社区驱动支持多种开源模型自动生成康奈尔笔记、互动测验、间隔重复闪卡、AI播客KnowNote轻量本地优先,Electron构建本地LLM隐私保护,快速文档处理,简单易用CookbookLM专注PDF处理,隐私优先Qwen 2.5、Google开源模型高级OCR与表格提取,高速推理优化,本地运行 二、商业SaaS产品(开箱即用) 1. 全能研究助手 * Claude Projects(Anthro

人工智能:预训练语言模型与BERT实战应用

人工智能:预训练语言模型与BERT实战应用

人工智能:预训练语言模型与BERT实战应用 1.1 本章学习目标与重点 💡 学习目标:掌握预训练语言模型的核心思想、BERT模型的架构原理,以及基于BERT的文本分类任务实战流程。 💡 学习重点:理解BERT的双向注意力机制与掩码语言模型预训练任务,学会使用Hugging Face Transformers库调用BERT模型并完成微调。 1.2 预训练语言模型的发展历程与核心思想 1.2.1 为什么需要预训练语言模型 💡 传统的自然语言处理模型(如LSTM+词嵌入)存在两个核心痛点:一是需要大量标注数据才能训练出高性能模型,二是模型对语言上下文的理解能力有限。 预训练语言模型的出现解决了这些问题。它的核心思路是先在大规模无标注文本语料上进行预训练,学习通用的语言知识和语义表示,再针对特定任务进行微调。这种“预训练+微调”的范式,极大降低了对标注数据的依赖,同时显著提升了模型在各类NLP任务上的性能。 预训练语言模型的发展可以分为三个阶段: 1. 单向语言模型阶段:以ELMo为代表,通过双向LSTM分别学习正向和反向的语言表示,再拼接得到词向量。但ELMo本质还

AI如何帮你快速生成机械零件3D模型?

快速体验 1. 打开 InsCode(快马)平台 https://www.inscode.net 2. 点击'项目生成'按钮,等待项目生成完整后预览效果 输入框内输入如下内容: 创建一个能够根据用户输入的自然语言描述自动生成机械零件3D模型的Web应用。用户可以通过简单的文字描述(如'生成一个M6螺栓,长度30mm,六角头'),系统自动转换为3D模型代码(如STL或STEP格式),并提供实时预览和下载功能。应用需包含常见机械零件库(螺栓、齿轮、轴承等)的预设模板,支持参数化调整。使用Three.js或类似库实现3D渲染,后端处理用户输入并生成对应模型代码。 最近在做一个机械设计项目,需要频繁创建各种零件的3D模型。传统建模软件虽然强大,但学习成本高、操作繁琐。于是我开始探索AI辅助开发的可能性,发现用自然语言描述就能自动生成3D模型代码的方案特别实用。以下是具体实现思路和经验分享。 1. 核心功能设计 这个Web应用的核心是让用户用日常语言描述零件(比如&