【Flask + AI】接入CHATGLM API 实现翻译接口

最近的项目中，需要加一个翻译功能，正好chatglm4发布了，于是决定着手用它实现。

https://chatglm.cn

准备

首先，在chatglm开发者中心申请api key，这里不再赘述

其次，选择自己的开发框架，这里以 flask 为例

提示词

要实现翻译功能，一个优良的提示词十分重要。

经过多次测试，得到了这样一个较为稳定的提示词。

python 复制代码

prompt_translation = """
    zh-en translation of "input".
    Always remember: You are an English-Chinese translator, not a Chinese-Chinese translator or an English-English translator. 
    Your output should only contains Chinese or English!
    You should Always just do the translate part and do not change its meaning! 
    
    example1:
    input:"write me a poem",
    output:"帮我写一首诗"
    
    example2:
    input:"你好世界",
    output:"hello world"
    
    Now I will give you my input:
"""

这个Prompt 实现了中英互译，注意，这两个例子非常重要，如果没有，模型可能会永远输出英文或者中文。在调用api时，把这个提示词设置为 assistant 可以减小模型把这段话认为是指令的概率。

接口代码

python 复制代码

@glm_blueprint.route('/api/glmTranslation', methods=['POST'])
def translation():
    user_content = request.json.get('user-content')
    if not user_content:
        return jsonify({'error': 'No user-content provided'}), 400

    contentPrompt = prompt_translation

    completion = client.chat.completions.create(
        model='glm-4',
        messages=[
            {"role": "system", "content": contentPrompt},
            {"role": "assistant", "content": user_content}
        ],
        max_tokens=200,
        temperature=0.1,
    )

    # 将 ChatCompletionMessage 对象转换为可序列化的格式
    response_message = completion.choices[0].message.content if completion.choices[0].message else "No response"

    return jsonify({"response": response_message})

role 设置为 assistant 或 user 效果会不同
模型可以自己更改，glm-4目前效果最好
如果要节省token，可以限制max_token