目录
前言
现在，AI 已经进入了人们生活的每个角落，而 AI 大模型更是大火，诸如文心一言、Chatgpt、Kimi、清谱智言等等。
那为什么不能拥有一个自己的 AI 呢？于是我稍微研究了一下，本篇文章就将介绍如何搭建一个属于自己的 AI 机器人。话不多说，正片开始——
1 准备工作
1.1 环境搭建
自己训练一个 AI 机器人费时费力又费钱，所以搭建 AI 用的肯定是 API 接口。
本文我用的是月之暗面的 Kimi AI 做演示（当然，清谱智言或其他也可以，但是注意，文心一言的API要钱！）
至于写代码的依赖库，如下：
python-dotenv
openai
langchain
langchain_openai1.2 获取 API KEY
获取 API key 其实很简单，这里用 Kimi 举例，其他平台也大同小异。
首先访问 Moonshot AI - 开放平台 （前提是你要先登录）
点击 新建
名字随便输
接着它会显示密钥，复制好，别告诉别人。
接着，在项目文件夹中新建一个.venv文件，如图，把 api key 复制进去：
在打码的地方填写 api key
OK，准备工作完成啦！
2 写代码
2.1 引用库
from dotenv import load_dotenv # 虚拟环境
from openai import OpenAI # 调用 API2.2 创建用户
其中 load_dotenv() 就是获取 .venv 中的信息。
下面的函数中，base_url 就是你想调用的 AI 它的接口网址，一般都能在开发文档中找到。
load_dotenv()
client = OpenAI(
base_url="https://api.moonshot.cn/v1"
)2.3 创建对话
这是最重要的一步！
先看代码：
ask = "南京盐水鸭怎么样？"
completion = client.chat.completions.create(
model="moonshot-v1-32k",
messages=[
{"role": "system", "content": "你是一个美食家，你要为用户说的美食写一段有文采的点评词。"},
{"role": "user", "content": ask},
],
max_tokens=500,
temperature=0.7,
)接下来请看讲解：
- model：这个就是大模型的名称，一般也能在开发文档中找到；
- messages：AI 接收的信息一般分为 3 个来源：系统(system)、用户(user)、AI(assistant)。这些信息中包括系统对 AI 的指示，用于确定 AI 的身份、用处，以及用户所说的话，还有之前的所有对话。在代码中，用一个字典组成的列表来储存；
- max_tokens：这个参数用于限定 AI 输出的内容最大值，一个 token 表示一个词语；
- temperature：这个参数用于规定 AI 输出内容的确定性，设成 0.7 就行了；
像这个程序中，我设置的功能就是让 AI 为美食写点评词，你当然也可以按照自己的需要修改。
2.4 输出内容
激动人心的时刻！
print(completion.choices[0].message.content)这个程序输出的内容：
南京盐水鸭，是金陵古城的美食瑰宝，承载着六朝古都深厚的文化底蕴。这道佳肴以其独特的制作工艺和绝妙的风味，在众多美食中独树一帜。
选材讲究，选用的是肉质细嫩、肥而不腻的南京本地麻鸭。经过精细的宰杀、清洗、腌制等工序，使得鸭肉的每一寸肌理都渗透着独特的风味。腌制过程中，恰到好处的盐分与鸭肉的鲜美完美融合，使鸭肉更加鲜嫩可口。
烹饪技艺更是令人赞叹。将腌制好的鸭肉放入特制的卤水中，用文火慢炖，使鸭肉在不断吸收卤水精华的同时，保持了肉质的嫩滑。卤水中的香料与鸭肉的鲜美相互交融，形成了一种独特的香气，令人垂涎三尺。
成品的南京盐水鸭，色泽金黄，皮脆肉嫩，鲜美可口。轻轻一咬，鸭肉的鲜嫩与卤水的香味瞬间在口腔中爆发，让人回味无穷。鸭肉的鲜美与卤水的香料，形成了一种绝妙的平衡，既不会过于咸腻，也不会过于清淡，恰到好处地满足了味蕾的需求。
品尝南京盐水鸭，就像是在品味一段历史，感受一种文化，让人在享受美味的同时，也能感受到南京这座城市的韵味。2.5 调试
嘶~
AI 输出的内容好像有点太长了，于是我们需要为它所以点调试。（毕竟任何程序都要调试）
比如把它的要求改一下，限定一下字数。
messages=[
{"role": "system", "content": "你是一个美食家，你要为用户说的美食写一段有文采的点评词，精简一点，100字以内。"},
{"role": "user", "content": ask},
],看看结果：
南京盐水鸭，传统佳肴。鸭肉鲜嫩爽口，咸香适中，令人回味无穷。腌制工艺独特，肉质细腻，皮薄肉厚，食之不腻。每一口都是对南京风味的深刻体验。
果然好多了。
2.6 全部代码
from dotenv import load_dotenv
from openai import OpenAI
load_dotenv()
client = OpenAI(
base_url="https://api.moonshot.cn/v1"
)
ask = "南京盐水鸭怎么样？"
completion = client.chat.completions.create(
model="moonshot-v1-32k",
messages=[
{"role": "system", "content": "你是一个美食家，你要为用户说的美食写一段有文采的点评词，精简一点，100字以内。"},
{"role": "user", "content": ask},
],
max_tokens=500,
temperature=0.7,
)
print(completion.choices[0].message.content)2.7 简短的总结
我们现在已经有了一个简单的 AI，但是还有一些问题：
- 代码流程不够规范
- 只能通过修改代码来实现问题的修改
- 只能实现一轮对话
接下来就来解决这些问题吧！
3 优化代码
3.1 规范代码
这里，就要隆重请出：langchain 第三方库！
它可以帮我们很好的流程化这段代码。
可以新建一个代码文件，因为代码要大改
3.1.1 引用库
from dotenv import load_dotenv
from langchain_openai import ChatOpenAI
from langchain.prompts import ChatPromptTemplate
load_dotenv()3.1.2 创建提示词
其实就是修改了之前的 创建用户 中的代码。
注意：这里用户的名字从user变为了human
prompt_template = ChatPromptTemplate.from_messages(
[
("system", "你是一个美食家，你要为用户说的美食写一段有文采的点评词，精简一点，100字以内。"),
("human", "南京盐水鸭怎么样？")
]
)3.1.3 创建模型
修改了原来的 创建对话。
model = ChatOpenAI(
model="moonshot-v1-32k",
openai_api_base="https://api.moonshot.cn/v1",
max_tokens=500,
temperature=0.7,
)3.1.4 规范输出（非必须）
一般会用另一个大模型来规范前一个大模型的输出，但并非必要。
def output_parser(output: str):
parser_model = ChatOpenAI(
model = 'moonshot-v1-32k',
temperature=0.8,
openai_api_base = "https://api.moonshot.cn/v1"
)
message = "你需要润色这段文字:`{text}`"
return parser_model.invoke(message.format(text=output))3.2 用户输入
先把问题中的输入部分修改即可：
prompt_template = ChatPromptTemplate.from_messages(
[
("system", "你是一个美食家，你要为用户说的美食写一段有文采的点评词，精简一点，100字以内。"),
("human", "{food}怎么样？")
]
)3.3 连接步骤
用 langchain 连接步骤非常简单，用 | 符号就行了：
chain = prompt_template | model
# 若加入规范输出的部分，代码如下
# chain = prompt_template | model | output_parser3.4 循环输入
利用 while True 进行用户循环输入，非常简单不是吗？
while True:
food = input("你想点评什么：")
answer = chain.invoke(input = {'food': food})
print(answer.content)这下再来看看结果吧！
真的是太 NICE 了！
3.5 全部代码
from dotenv import load_dotenv
from langchain_openai import ChatOpenAI
from langchain.prompts import ChatPromptTemplate
load_dotenv()
prompt_template = ChatPromptTemplate.from_messages(
[
("system", "你是一个美食家，你要为用户说的美食写一段有文采的点评词，精简一点，100字以内。"),
("human", "{food}怎么样？")
]
)
model = ChatOpenAI(
model="moonshot-v1-32k",
openai_api_base="https://api.moonshot.cn/v1",
max_tokens=500,
temperature=0.7,
)
chain = prompt_template | model
while True:
food = input("你想点评什么：")
answer = chain.invoke(input = {'food': food})
print(answer.content)4 总结
我们成功通过调用 API 实现了一个本地的定制机器人，感觉如何？
文章如有疏漏，欢迎提出！如果对你有帮助的话，别忘 点赞收藏👍
下期再见！
