【001】调用kimi实现AI对话_#py

调用kimi实现AI对话

  • [1. 申请key和基本要求](#1. 申请key和基本要求)
    • [1.1 注意事项](#1.1 注意事项)
    • [1.2 学习](#1.2 学习)
  • [2. 用法](#2. 用法)
    • [2.1. 非连续对话的完整版](#2.1. 非连续对话的完整版)
    • [2.2. 加强连续对话的能力](#2.2. 加强连续对话的能力)

1. 申请key和基本要求

进入Moonshot AI的网址,按照如下操作获取key,并记住其值,方便后续使用

1.1 注意事项

如果是自己一个人用的话,注意 RPM,每分钟可以询问次数。刚注册的话,每分钟只能对话三次,超过的话,就会报警。

1.2 学习

Moonshot AI上面有着丰富的学习资料,可以参考和借鉴

2. 用法

以下是非联网的做法,仅调用kimi.AI的基础对话功能。

2.1. 非连续对话的完整版

python 复制代码
from openai import OpenAI
import time

class Main_Name():
    def __init__(self):
        super().__init__()
        self.main()

    def AIclient(self):
        self.client = OpenAI(
            api_key="MOONSHOT_API_KEY",  # 在这里将 MOONSHOT_API_KEY 替换为你从 Kimi 开放平台申请的 API Key
            base_url="https://api.moonshot.cn/v1",
        )

    # 内容输入
    def InputContent(self, content):
        completion = self.client.chat.completions.create(
            model="moonshot-v1-8k",
            messages=[
                {"role": "user", "content": content}
            ],
            temperature=0.3,
        )

        # 通过 API 我们获得了 Kimi 大模型给予我们的回复消息(role=assistant)
        return completion.choices[0].message.content   # 获取问答结果

    def main(self):
        self.AIclient()  # 调用API
        # try:
        while True:
            # 检测用户输入
            self.content = input("用户: ")  	# 输入内容
            self.answer = self.InputContent(self.content)		# 调用问答并返回结果
            print(self.answer)   # 打印结果
            time.sleep(2) # 增加休眠时间,防止每分钟的聊天超过限制
        # except: pass


# 通过 API 我们获得了 Kimi 大模型给予我们的回复消息(role=assistant)
if __name__ == '__main__':
    ex = Main_Name()
    ex.main()

2.2. 加强连续对话的能力

调用API时加载初始对话

python 复制代码
    def AIclient(self):
        self.client = OpenAI(
            api_key="MOONSHOT_API_KEY",  # 在这里将 MOONSHOT_API_KEY 替换为你从 Kimi 开放平台申请的 API Key
            base_url="https://api.moonshot.cn/v1",)
        self.messages = [{"role": "system", "content": "你是 Kimi。"},]   # 初始对话内容及预设

内容输入时将新的内容添加入对话中

python 复制代码
    def InputContent(self, content):
        self.messages.append({"role": "user", "content": content})
        completion = self.client.chat.completions.create(
            model="moonshot-v1-8k",
            messages=self.messages,
            temperature=0.3,)
        # 通过 API 我们获得了 Kimi 大模型给予我们的回复消息(role=assistant)
        assistant_message = completion.choices[0].message
        # 为了让 Kimi 大模型拥有完整的记忆,我们必须将 Kimi 大模型返回给我们的消息也添加到 messages 中
        self.messages.append(assistant_message)
        # 返回回答内容
        return completion.choices[0].message.content

替换上述两个代码块即可实现连续对话的功能。

相关推荐
jamison_112 天前
文心一言与 DeepSeek 的竞争分析:技术先发优势为何未能转化为市场主导地位?
人工智能·ai·chatgpt·gpt-3·1024程序员节
NaZiMeKiY12 天前
HTML5前端第六章节
前端·html·html5·1024程序员节
jamison_117 天前
颠覆未来:解锁ChatGPT衍生应用的无限可能(具体应用、功能、付费模式与使用情况)
ai·chatgpt·1024程序员节
NaZiMeKiY22 天前
HTML5前端第七章节
1024程序员节
earthzhang202125 天前
《Python深度学习》第四讲:计算机视觉中的深度学习
人工智能·python·深度学习·算法·计算机视觉·numpy·1024程序员节
明明真系叻1 个月前
2025.3.2机器学习笔记:PINN文献阅读
人工智能·笔记·深度学习·机器学习·1024程序员节·pinn
bitenum1 个月前
【C++/数据结构】队列
c语言·开发语言·数据结构·c++·青少年编程·visualstudio·1024程序员节
IT学长编程2 个月前
计算机毕业设计 基于SpringBoot的智慧社区管理系统的设计与实现 Java实战项目 附源码+文档+视频讲解
java·spring boot·后端·毕业设计·课程设计·论文笔记·1024程序员节
qq_382391332 个月前
WPF框架学习
学习·wpf·1024程序员节
✿ ༺ ོIT技术༻2 个月前
Linux:TCP和守护进程
linux·运维·服务器·网络·tcp/ip·1024程序员节