调用大模型API打造个人AI助理实战

大数据时代，个人隐私很难得到保障，如果我们需要借助大模型解决一些私人问题，又不想隐私被泄露和所用的大模型公司收集，这里我提供一个解决方案：调用大模型的API实现一个本地化个人ai助理帮助我们解决问题，这是一个很好的解决办法。本次实验主要是借助大模型API，打造专属的AI助理。

在开始动手实验之前，我们首先要明确我们的需求和进行环境配置。不清楚需求，干起活就会没有清晰的思路，没有好环境，就没有办法实现我们的AI助理。

明确需求

• 功能层面， AI 助理需要能够精准理解我们的私人问题，并根据我们个人情况能给出准确且详细的解答。
• 数据层面，涉及私人数据，我们要确保所有输入给AI 助理的数据仅在本地环境中处理，不会被上传至外部服务器。
• 交互层面，有可视化图形界面窗口，AI 助理应该具备自然流畅的对话风格，并且响应迅速。

环境准备

获取 API 密钥 找到 “API KEY管理” 选项，点击 “创建API KEY” 平台将为你生成一串唯一的 API 密钥。

选择合适的大模型

DeepSeek - R1、DeepSeek - V3、QwQ - 32B 、豆包

每个模型在自然语言处理、图像识别、代码生成等方面各有专长。鉴于我们打造个人 AI 助理主要用于处理文本类的私人问题，在自然语言处理方面表现卓越的 DeepSeek - R1 模型是不错的选择。它具备强大的语义理解能力，能深入剖析我们输入的问题，并生成高质量的回答。

完成上述需求分析与环境配置后，接下来进入更关键的 API 调用与功能实现环节。

大模型API介绍

大模型API是大模型对外提供服务的接口。通过API，开发者不需要了解大模型复杂的内部结构和运行机制，就能将大模型强大的功能集成到自己的应用、系统中。同时我们也可以调用大模型的API对模型进行微调、推理训练等。

API 调用流程

确定调用方式​ 以常见的 HTTP 请求为例，我们可以借助各类编程语言中的 HTTP 请求库来发起调用。在 Python 语言中，常用的requests库能够方便地构造请求。我们要根据所选大模型 API 的要求，确定请求的 URL 地址。 构造请求参数​ 请求参数是 API 调用的关键部分，它决定了我们向大模型传递的信息以及期望得到的响应形式 。​

• 认证信息：将之前获取的 API 密钥包含在请求头中，获取调用权限。
• 模型相关参数：指定要调用的具体模型名称，在请求参数中明确设置模型参数。根据需求设置生成文本的最大长度（max_tokens），如设置为 200，意味着大模型生成的回答不超过 200 个 token；控制生成文本的随机性（temperature），取值范围在 0 - 1 之间，这里设置为 0.7，生成的文本会相对更具多样性。

Python 使用requests库调用大模型 API 代码：

import requests

url = ""
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer 这里改成自己的API密钥"
}
data = {
    "model": "/maas/deepseek-ai/DeepSeek-R1",
    "messages": [
        {
            "role": "system",
            "content": "You are a helpful assistant."
        },
        {
            "role": "user",
            "content": "Hello!"
        }
    ]
}

response = requests.post(url, headers=headers, json=data)
if response.status_code == 200:
    result = response.json()
    print(result)
else:
    print(f"请求失败，状态码: {response.status_code}")

想快速实现的也可以直接用我的代码。

利用Jupyter Notebook环境我们先试试，模型API是否调用成功

AI助理回答：Hello! How can I assist you today? 😊 调用的deepseek-r1模型API，deepseek也是有深度思考和正常输出的，还给我们回复了一个微笑的可爱表情包。看来已经进入助理角色了。

上面那个界面，对于不懂代码的用户来说，比较不友好，我们要开发的是在UI窗口能直接用自然语言进行交互的AI助理。这次开发环境是 VS code，用python代码实现。

1.API调用,进行设置API信息，这一步是我们调用大模型的关键

self.api_url = ""
self.api_key = "请替换为您的实际API密钥"  # 请替换为您的实际API密钥

API调用主要是用到python的requests库,因为这个库是python的第三方库，我们本地可能并没有安装，调用的时候就会报错。 别担心，我们只需要在终端输入命令

pip install requests

就能完成库的安装，看见有“Successfully installed”就是安装成功了。 2.选择需要调用的模型为deepseek -r1模型，并且给模型设置身份为私人助理

 headers = {
                "Content-Type": "application/json",
                "Authorization": f"Bearer {self.api_key}"
            }
            
            data = {
                "model": "/maas/deepseek-ai/DeepSeek-R1",
                "messages": [
                    {
                        "role": "system",
                        "content": self.system_role
                    },
                    {
                        "role": "user",
                        "content": user_message
                    }
                ]
            }
            

这里可以看到，我们给模型的身份和我们自己的身份。

 # 初始化对话
   self.append_message("系统", "私人助理已就绪，请问有什么可以帮您？")
        
 # 设置系统角色
  self.system_role = "你是一位专业的私人助理，负责帮助用户处理各种事务。你的回答应该简洁、专业且友好。"

3.交互窗口的开发 主窗口和基本的设置，将窗口大小设置为600*500的块

self.root.geometry("600x500")

用户输入区域（输入框+发送按钮）

# 输入框框架
self.input_frame = tk.Frame(root)
self.input_frame.pack(padx=10, pady=5, fill=tk.X)

# 输入框
self.user_input = tk.Entry(self.input_frame)
self.user_input.pack(side=tk.LEFT, fill=tk.X, expand=True)
self.user_input.bind("<Return>", self.send_message)  # 绑定回车键发送

# 发送按钮
self.send_button = tk.Button(self.input_frame, text="发送", command=self.send_message)
self.send_button.pack(side=tk.RIGHT)

消息显示功能实现

def append_message(self, sender, message):
    self.chat_history.configure(state='normal')
    self.chat_history.insert(tk.END, f"{sender}: {message}\n\n")
    self.chat_history.configure(state='disabled')
    self.chat_history.see(tk.END)  # 自动滚动到底部

消息发送功能实现

def send_message(self, event=None):
    user_message = self.user_input.get()
    if not user_message.strip():
        return

    self.append_message("你", user_message)
    self.user_input.delete(0, tk.END)
    
    # 禁用控件防止重复发送
    self.send_button.config(state=tk.DISABLED)
    self.user_input.config(state=tk.DISABLED)
    
    # 使用线程发送请求
    threading.Thread(target=self.get_ai_response, args=(user_message,)).start()

上面就是我们实现的主要代码了，现在运行看看效果。

最上面是整个窗口的名字“私人助理”，初始时，系统会告诉我们他是你的私人助理，并且询问你是否需要帮助，下面的框可以输入我们的请求，比如我下面的prompt“你好，现在是晚饭时间，为我推荐清淡且富有营养的晚餐”，点击右下角的发送按钮，发送请求就好。 现在，是不是已经开始期待我们的私人助理会给出怎么样的回答了，一起看看吧。（十几秒的时间AI助理就能给我们回复，还是很快的，不需要像本地部署的大模型一样要等很久才能收到回复） 我们的小助理给出了一份很不错的食谱，接下来告诉小助理我们的忌口食物和喜爱食物，让他调整食谱。 助手根据我的喜好为我提供了新食谱，考虑到营养问题，把一日三餐的食都提供了，还告诉我应该怎么搭配，怎么食用。真所谓考虑的面面俱到，我对我的小助理非常满意。

4.可调整：

• 窗口界面可根据自己的喜好进行调整美化。
• 可以根据自己的喜好对助手回复风格进-行设置，还可以让助手扮演自己喜欢的角色。

5.为了让更多人都能轻松实现这一AI私人助理，我决定把完整的代码分享给大家。

import tkinter as tk
from tkinter import scrolledtext, messagebox
import requests
import threading

class AIChatApp:
    def __init__(self, root):
        self.root = root
        self.root.title("DeepSeek-R1 私人助理")
        self.root.geometry("600x500")
        
        # 设置API信息
        self.api_url = ""
        self.api_key = "请替换为您的实际API密钥"  # 请替换为您的实际API密钥
        
        # 创建聊天历史显示区域
        self.chat_history = scrolledtext.ScrolledText(root, wrap=tk.WORD, state='disabled')
        self.chat_history.pack(padx=10, pady=10, fill=tk.BOTH, expand=True)
        
        # 创建用户输入区域
        self.input_frame = tk.Frame(root)
        self.input_frame.pack(padx=10, pady=5, fill=tk.X)
        
        self.user_input = tk.Entry(self.input_frame)
        self.user_input.pack(side=tk.LEFT, fill=tk.X, expand=True)
        self.user_input.bind("<Return>", self.send_message)
        
        self.send_button = tk.Button(self.input_frame, text="发送", command=self.send_message)
        self.send_button.pack(side=tk.RIGHT)
        
        # 初始化对话
        self.append_message("系统", "私人助理已就绪，请问有什么可以帮您？")
        
        # 设置系统角色
        self.system_role = "你是一位专业的私人助理，负责帮助用户处理各种事务。你的回答应该简洁、专业且友好。"
    
    def append_message(self, sender, message):
        self.chat_history.configure(state='normal')
        self.chat_history.insert(tk.END, f"{sender}: {message}\n\n")
        self.chat_history.configure(state='disabled')
        self.chat_history.see(tk.END)
    
    def send_message(self, event=None):
        user_message = self.user_input.get()
        if not user_message.strip():
            return
            
        self.append_message("你", user_message)
        self.user_input.delete(0, tk.END)
        
        # 禁用发送按钮和输入框，避免重复发送
        self.send_button.config(state=tk.DISABLED)
        self.user_input.config(state=tk.DISABLED)
        
        # 在新线程中发送请求，避免界面冻结
        threading.Thread(target=self.get_ai_response, args=(user_message,)).start()
    
    def get_ai_response(self, user_message):
        try:
            headers = {
                "Content-Type": "application/json",
                "Authorization": f"Bearer {self.api_key}"
            }
            
            data = {
                "model": "",
                "messages": [
                    {
                        "role": "system",
                        "content": self.system_role
                    },
                    {
                        "role": "user",
                        "content": user_message
                    }
                ]
            }
            
            response = requests.post(self.api_url, headers=headers, json=data)
            
            if response.status_code == 200:
                result = response.json()
                ai_response = result.get('choices', [{}])[0].get('message', {}).get('content', "未能获取有效回复")
                self.append_message("助理", ai_response)
            else:
                self.append_message("系统", f"请求失败，状态码: {response.status_code}")
                messagebox.showerror("错误", f"API请求失败: {response.status_code}")
        
        except Exception as e:
            self.append_message("系统", f"发生错误: {str(e)}")
            messagebox.showerror("错误", f"发生异常: {str(e)}")
        
        finally:
            # 重新启用发送按钮和输入框
            self.root.after(0, lambda: [
                self.send_button.config(state=tk.NORMAL),
                self.user_input.config(state=tk.NORMAL),
                self.user_input.focus()
            ])

if __name__ == "__main__":
    root = tk.Tk()
    app = AIChatApp(root)
    root.mainloop()

在大数据隐私风险下，我们可以尝试调用大模型 API 实现打造本地化 AI 助理，保护隐私数据不被泄露。通过 Python 代码实现 API 调用，开发带 UI 的交互助理，支持多轮对话。为隐私保护下的智能问题解决提供新方案，为我们的AI助理实现提供了坚实的保障。