GLM-4-Plus初体验

引言：为什么高效的内容创作如此重要？

在当前竞争激烈的市场环境中，内容创作已成为品牌成功的重要支柱。无论是撰写营销文案、博客文章、社交媒体帖子，还是制作广告，优质的内容不仅能够帮助品牌吸引目标受众的注意力，还能有效促进产品和服务的转化。然而，创作高质量内容却常常需要投入大量时间和精力，这使得很多内容创作者感到力不从心。

高效创作正成为现代内容创作者的迫切需求。如果你也为高效创作而苦恼，那么今天我们将为你介绍一款强大的内容创作工具——智谱AI GLM-4-Plus。通过这款 AI 写作助手，你将能够在短时间内生成高质量的内容，大大提升工作效率。

1. 什么是 GLM-4-Plus？

GLM-4-Plus是一种基于深度学习的自然语言处理（NLP）模型，属于生成式预训练变换器（GPT）系列的升级版本。它由大规模数据集训练而成，旨在理解和生成自然语言文本。GLM-4-Plus 在多个自然语言处理任务上表现优异，包括文本生成、文本理解、自动摘要、问答系统等。

GLM-4-Plus 的核心功能：

文本生成：GLM-4-Plus 能够根据给定的输入（例如提示语、关键词等）生成流畅、自然的文本，广泛应用于文案写作、广告创意、内容生成等场景。
问答能力：通过对问题的理解，GLM-4-Plus 可以生成精确的回答，适用于自动化客户服务、信息查询等场景。
文本理解：能够准确理解复杂的句子结构和上下文，进行有效的信息提取和分析。
多语言支持：除了中文，GLM-4-Plus 还支持多种语言的文本生成和理解，包括英语、法语、德语、日语等。
上下文保持：它能够保持长篇文本中的上下文一致性，在生成内容时不会失去原有语境，使得输出内容更加自然和连贯。

应用场景：

内容创作：可用于生成博客文章、产品描述、新闻稿、广告文案等。
客户支持：通过自动生成客服回答，减少人工客服的负担。
营销和广告：帮助品牌和电商平台快速生成创意广告、产品描述及推广文案。
教育与学习：用于自动化生成学习资料、解答学生提问等。

2. 如何调用 GLM-4-Plus API？

步骤 1：注册并获取 API 密钥

访问 GLM-4-Plus 的官方网站或开发者平台。
注册账号并登录，在个人中心-项目管理-APIkeys菜单创建一个新的API Key。
API 密钥通常是一个长字符串，用于身份验证和安全请求。

如下图

步骤 2：安装必要的依赖

为了调用 API，你需要在你的开发环境中安装相应的依赖，推荐使用 Python。你可以通过以下命令安装ZhipuAI库：

pip install ZhipuAI

步骤 3：编写代码调用 API

以下是一个 Python 代码示例，展示如何调用 GLM-4-Plus API 生成内容：

from zhipuai import ZhipuAI
client = ZhipuAI(api_key="")  # 请填写您自己的APIKey
response = client.chat.completions.create(
    model="glm-4-plus",  # 请填写您要调用的模型名称
    messages=[
        {"role": "user", "content": "作为一名营销专家，请为我的产品创作一个吸引人的口号"},
        {"role": "assistant", "content": "当然，要创作一个吸引人的口号，请告诉我一些关于您产品的信息"},
        {"role": "user", "content": "智谱AI开放平台"},
        {"role": "assistant", "content": "点燃未来，智谱AI绘制无限，让创新触手可及！"},
        {"role": "user", "content": "创作一个更精准且吸引人的口号"}
    ],
)
print(response.choices[0].message)

响应示例

{
  "created": 1703487403,
  "id": "8239375684858666781",
  "model": "glm-4-plus",
  "request_id": "8239375684858666781",
  "choices": [
      {
          "finish_reason": "stop",
          "index": 0,
          "message": {
              "content": "以AI绘蓝图 — 智谱AI，让创新的每一刻成为可能。",
              "role": "assistant"
          }
      }
  ],
  "usage": {
      "completion_tokens": 217,
      "prompt_tokens": 31,
      "total_tokens": 248
  }
}

步骤 4：常用参数说明

model: 要调用的模型编码。
model: 调用语言模型时，当前对话消息列表作为模型的提示输入，以JSON数组形式提供。
max_tokens: 模型输出的最大token数，最大输出为4095，默认值为1024。
temperature: 生成内容的创造性。值越高，生成的内容越多样化。
top_p: 控制生成内容的合理性，值越低，生成内容的质量越高。
tools: 模型可以调用的工具。
stop: 模型遇到stop指定的字符时会停止生成。目前仅支持单个stop词，格式为[“stop_word1”]。

除了Python和java SDK，模型服务也支持标准的 HTTP 调用，我会在后面的案例中讲到。

更多使用参考官方文档

3. 搭建你的内容生成神器

下面我写一个简单的前后端服务demo，来演示下如何搭建一个自己的内容创造神器。

前端我就用vue+axios写一个h5页面，根据输入的问题，发起请求展示响应结果。

显示效果如下：

对应的代码:

<template>
  <div class="page">
    <div class="title-info">glm-4-plus的内容生成神器</div>
    <div class="input-box">
      <van-field
        v-model="inputValue"
        rows="4"
        autosize
        type="textarea"
        placeholder="请输入描述内容"
        show-word-limit
      />
    </div>
    <!-- <div class="type-select-box">
      <van-radio-group v-model="tyoe">
        <van-radio name="1">生成广告文案</van-radio>
        <van-radio name="2">公众号炫酷标题</van-radio>
        <van-radio name="3">电商产品撰写文案</van-radio>
      </van-radio-group>
    </div> -->
    <div class="btn-box">
      <van-button block type="info" @click="searchResult"> 立即生成</van-button>
    </div>
    <div class="result-box">
      <p class="s-title">生成结果：</p>
      <div v-if="loading">正在生成，请等待..</div>
      <div class="markdown" v-html="renderedMarkdown" v-else></div>
      <!-- <div v-html="result"></div> -->
    </div>
  </div>
</template>

<script>
import markdownIt from 'markdown-it';
import { aiSearch } from '@api';
let md = null;
function markdownItCustomLink(md, options) {
  md.renderer.rules.link_open = function (tokens, idx, options, env, self) {
    const hrefIndex = tokens[idx].attrIndex('href');
    const href = tokens[idx].attrs[hrefIndex][1];
    // const text = tokens[idx + 1].content;
    // 返回一个自定义组件的标签，其中包含 href 和文本内容
    return `<span class="md-link-to-span" data-num="${href}">${href}</span>`;
  };

  md.renderer.rules.link_close = function () {
    return '';
  };
}
export default {
  name: 'HomeView',
  components: {},
  data() {
    return {
      inputValue: '',
      // type: '1',
      result: '',
      loading: false,
      renderedMarkdown: ''
    };
  },
  mounted() {
    md = markdownIt().use(markdownItCustomLink);
    this.renderedMarkdown = md.render(this.result);
    // this.mdText();
  },
  methods: {
    searchResult() {
      this.loading = true;
      aiSearch({ content: this.inputValue })
        .then(res => {
          this.loading = false;
          const { code, data } = res;
          if (code === '0000') {
            this.renderedMarkdown = md.render(data.content);
          } else {
          }
        })
        .catch(() => {
          this.loading = false;
        });
    },
    // 搜索
    search() {},
    mdText() {
      // this.renderedMarkdown = md.render(this.result);
    }
  }
};
</script>
<style lang="less" scoped>
.page {
  font-size: 28px;
  padding: 12px 24px;
  background-color: #f2f3f6;
  .title-info {
    font-weight: bold;
    text-align: center;
  }
  .input-box {
    margin: 24px 0;
    /deep/.van-cell {
      border: 2px solid #0080ff;
    }
  }
  .btn-box {
    margin-top: 20px;
  }
  .result-box {
    margin: 12px 0;
    .s-title {
      color: #0080ff;
      margin-bottom: 20px;
    }
  }
}
</style>

我使用了markdown-it 来处理接口返回的md格式内容

后端服务我使用了前端同学熟悉的express搭建，通过调用智谱 AI 提供的 http接口来实现的（当然使用py sdk是最好的）。

代码如下：

index.js 入口文件

const express = require('express');
const path = require('path');
const bodyParser = require('body-parser');
const cookieParser = require('cookie-parser');
const logger = require('morgan');
const partials = require('express-partials');

const config = require('./config');
const routes = require('./routes/index');

const app = express();

const port = process.env.PORT || config.port;
app.set('port', port);
app.set('views', path.join(__dirname, 'views'));
app.set('view engine', 'ejs');

// 静态文件托管
app.use(express.static(path.join(__dirname, 'public')));

app.use(logger('dev'));

app.use(bodyParser.json());
//extended:false 方法内部使用querystring模块处理请求参数的格式
//extended:true 方法内部使用第三方模块qs处理请求参数的格式
app.use(bodyParser.urlencoded({ extended: false }));
app.use(partials());
app.use(cookieParser());

//配置diskStorage来控制文件存储的位置以及文件名字等

app.use('/', routes);

app.listen(app.get('port'), () => {
  console.log('Program starts running ...');
  console.log('server run success on port ' + app.get('port'));
});

module.exports = app;

然后就是处理请求的主要代码：

router.get('/aiSearch', (req, res) => {
  const {content} = req.query
  const postData = {
    "model": "glm-4-plus",
    // "stream": true,

    "messages": [
        {
          "role": "user",
          "content": content
        }
    ]
  }
  axios.post('https://open.bigmodel.cn/api/paas/v4/chat/completions', postData, {
    headers: {
      'Content-Type': 'application/json',
      'Authorization': `Bearer ${apiKey}`
    }
  }).then(response => {
    console.log(JSON.stringify(response.data));
    // res.send(response.data.choices[0].message.content);
   
    res.status(200).json({
      code: '0000',
      data: response.data.choices[0]?.message
      // data: response.data.choices[0]?.message
    });
  });
 
});

打印生成的结果：