使用GLM-Zero-Preview制作python脚本生成器

老柴杂货铺 2025-01-16

113

除了ChatGPT，最近国内也出了一款推理能力极强的大模型GLM-Zero-Preview，是智谱AI研发的新一代推理模型，我用它设计了一个代码开发系统-Python脚本生成器，非常的有用，后面会详细介绍实现流程和完整代码。

如何使用GLM-Zero-Preview模型？GLM-Zero-Preview之所以推理能力强，是因为它基于拓展强化学习技术（ERL）开发的，这种技术通过多任务学习和复杂环境建模增强了推理能力，且对新任务的适应性更好，像GPT、Bard、LLaMA、Claude等国际主流大模型都采用了ERL技术。

想使用GLM-Zero-Preview有两种方法，

首先可以在智谱清言APP上使用基于GLM-Zero-Preview模型的“Zero推理模型”智能体，它能回答极具考验推理能力的问题,Zero推理模型能够精确地给出答案，其实大部分人都不一定能回答出来。

除了APP，还可以在BigModel平台调用模型GLM-Zero-Preview API，部署到自己的应用中，开发类似“数学解题大师”、“软件开发专家”这样的智能体

调用API接口其实非常简单，首先注册BigModel平台账号，然后在右上角添加新的API key，创建好后便可以在程序中（任何语言都可以）进行调用。

尝试用Python Dash构建了一个web应用，叫作“Python万能脚本生成器”，核心功能是根据用户需求自动化生成Python脚本，而这背后用到的代码生成模型正是GLM-Zero-Preview。

这个应用有几个特点，刚好是当下一些通用AI产品缺失的。

1、不需要复杂的prompt，只需要提出简单的需求（比如：拼接两个excel表格），就能直接生成Python脚本，而且生成的代码更加精准，因为底层已经做过提示语优化。

2、生成的内容只包含Python代码，没有其他任何的无关内容，非常简洁清爽。

3、支持编辑生成的Python代码，你可以根据需求来修改。

先展示下“Python万能脚本生成器”的界面（有点丑，这不重要），后面会讲到如何具体实现它。

附：完整实现代码

import dash
from dash import html, dcc, Input, Output, State
import dash_bootstrap_components as dbc
from zhipuai import ZhipuAI
# 初始化 Dash 应用
app = dash.Dash(__name__, external_stylesheets=[dbc.themes.BOOTSTRAP])
app.title = "万能Python脚本生成器"
# 设置智谱AI API Key
client = ZhipuAI(api_key="your_api_key")  # 替换为你的 API Key
# 应用布局
app.layout = dbc.Container(
    [
        dbc.Row(
            dbc.Col(
                html.H1("Python脚本生成器", className="text-center mb-4"),
                width=12
            )
        ),
        dbc.Row(
            [
                dbc.Col(
                    dcc.Textarea(
                        id="input-request",
                        placeholder="请输入你的需求描述...",
                        style={"width": "100%", "height": 150},
                    ),
                    width=8
                ),
                dbc.Col(
                    dbc.Button(
                        "生成脚本",
                        id="generate-button",
                        color="primary",
                        className="w-100 h-100"
                    ),
                    width=4
                )
            ],
            className="mb-4"
        ),
        dbc.Row(
            dbc.Col(
                dcc.Textarea(
                    id="output-code",
                    readOnly=True,
                    style={"width": "100%", "height": 400},
                    placeholder="生成的代码将显示在这里..."
                )
            )
        )
    ],
    fluid=True,
    className="p-4"
)
# 回调函数：生成脚本
@app.callback(
    Output("output-code", "value"),
    Input("generate-button", "n_clicks"),
    State("input-request", "value"),
    prevent_initial_call=True,)
# 生成dash回调函数
#......此处省略n行dash回调函数代码......
# 使用zhipuai调用glm-zero-preview模型
def generate_script(n_clicks, request):
    if not request:
        return "请输入有效的需求描述！"
    try:
        # 调用智谱AI API
        response = client.chat.completions.create(
            model="GLM-Zero-Preview",
            messages=[
                {"role": "system", "content": '''你是专业的Python工程师，需要针对用户给到的需求，直接生成Python脚本，
                     注意你只需要给出代码即可，不需要除代码外其他任何文字解释，如果有解释都放在注释里。
                     并且你需要保证完整性、准确性、可执行、规范性。
                     而且代码注释清晰，可读性强。'''},
                    {"role": "user", "content": f"生成一个 Python 脚本，实现以下功能：{request}"},
            ],
            max_tokens=12000,
        )
        # 提取生成的代码
        generated_code = response.choices[0].message.content
        return generated_code
    except Exception as e:
        return f"生成脚本时出错：{str(e)}"
# 运行应用
if __name__ == "__main__":
    app.run_server(debug=True)

python 软件

文章转载自老柴杂货铺，如果涉嫌侵权，请发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。

使用GLM-Zero-Preview制作python脚本生成器

评论