【Python技术】使用langchain、fastapi、gradio生成一个简单的智谱AI问答界面

news2024/12/23 19:01:58

前几天，智谱AI BigModel开放平台宣布：GLM-4-Flash 大模型API完全免费了，同时开启了GLM-4-Flash 限时免费微调活动。对想薅免费大模型羊毛的个人玩家，这绝对是个好消息，我们不仅可以免费使用BigModel开放平台上的GLM-4-Flash，也可以免费调用GLM-4-Flash的API了。

智谱AI 这次格局大了，不得不支持下。开放平台地址：https://bigmodel.cn/。

在这里插入图片描述

之前写过一篇python大模型应用框架langchain的demo，当时使用的阿里云。【Python技术】AI编程新手快速入门学习LangChain大模型框架，今天用免费的CLM-4-FLASH写个简单例子测试下。

代码如下，替换掉apikey就可以运行

import gradio as gr
from fastapi import FastAPI
from langchain_openai import ChatOpenAI
from langchain.prompts import (
    ChatPromptTemplate,
    MessagesPlaceholder,
    SystemMessagePromptTemplate,
    HumanMessagePromptTemplate,
)
from langchain.chains import LLMChain
from langchain.memory import ConversationBufferMemory

# Initialize FastAPI
app = FastAPI()

# Initialize LangChain components
llm = ChatOpenAI(
    temperature=0.95,
    model="glm-4-flash",
    openai_api_key="your-api-key-here",
    openai_api_base="https://open.bigmodel.cn/api/paas/v4/"
)

prompt = ChatPromptTemplate(
    messages=[
        SystemMessagePromptTemplate.from_template(
            "You are a nice chatbot having a conversation with a human."
        ),
        MessagesPlaceholder(variable_name="chat_history"),
        HumanMessagePromptTemplate.from_template("{question}")
    ]
)

memory = ConversationBufferMemory(memory_key="chat_history", return_messages=True)
conversation = LLMChain(
    llm=llm,
    prompt=prompt,
    verbose=True,
    memory=memory
)

# Define chat function
def chat(message, history):
    response = conversation.invoke({"question": message})
    return response['text']

# Create Gradio interface
iface = gr.ChatInterface(chat)

# Mount Gradio app to FastAPI
app = gr.mount_gradio_app(app, iface, path="/")

# Run the app
if __name__ == "__main__":
    import uvicorn
    uvicorn.run(app, host="0.0.0.0", port=8000)