智谱AI 提供与 OpenAI API 兼容的接口，这意味着您可以使用现有的 OpenAI SDK 代码，只需要简单修改 API 密钥和基础 URL，就能无缝切换到 智谱AI 的模型服务。这种兼容性让您能够：
  • 快速迁移现有的 OpenAI 应用
  • 使用熟悉的开发模式和工具
  • 享受智谱AI 模型的强大能力
  • 保持代码的一致性和可维护性
某些场景下智谱AI 与 OpenAI 接口仍存在差异，但不影响整体兼容性。

​
核心优势

零学习成本

如果您已经熟悉 OpenAI SDK，可以立即上手使用

快速迁移

现有 OpenAI 应用可以快速迁移到 智谱AI 平台

生态兼容

兼容 OpenAI 生态系统中的各种工具和框架

持续更新

跟随 OpenAI SDK 更新，保持最新功能支持

​
环境要求

Python 版本

Python 3.7.1 或更高版本

OpenAI SDK

OpenAI SDK 版本不低于 1.0.0
请确保使用 OpenAI SDK 1.0.0 或更高版本，旧版本可能存在兼容性问题。

​
安装 OpenAI SDK

​
使用 pip 安装

# 安装或升级到最新版本
pip install --upgrade 'openai>=1.0'

# 验证安装
python -c "import openai; print(openai.__version__)"

​
使用 poetry 安装

poetry add "openai>=1.0"

​
快速开始

​
获取 API Key

  1. 访问 智谱AI 开放平台
  2. 注册并登录您的账户
  3. 在 API Keys 管理页面创建 API Key
  4. 复制您的 API Key 以供使用
建议将 API Key 设置为环境变量：export ZAI_API_KEY=your-api-key

​
创建客户端

from openai import OpenAI

# 创建智谱AI 客户端
client = OpenAI(
    api_key="your-zhipuai-api-key",
    base_url="https://open.bigmodel.cn/api/paas/v4/"
)

​
基础使用示例

​
简单对话

from openai import OpenAI

client = OpenAI(
    api_key="your-zhipuai-api-key",
    base_url="https://open.bigmodel.cn/api/paas/v4/"
)

completion = client.chat.completions.create(
    model="glm-4.5",
    messages=[
        {"role": "system", "content": "你是一个聪明且富有创造力的小说作家"},
        {"role": "user", "content": "请你作为童话故事大王，写一篇短篇童话故事"}
    ],
    top_p=0.7,
    temperature=0.9
)

print(completion.choices[0].message.content)

​
流式响应

stream = client.chat.completions.create(
    model="glm-4.5",
    messages=[
        {"role": "user", "content": "写一首关于人工智能的诗"}
    ],
    stream=True,
    temperature=0.8
)

for chunk in stream:
    if chunk.choices[0].delta.content is not None:
        print(chunk.choices[0].delta.content, end="", flush=True)

print()  # 换行

​
多轮对话

class ChatBot:
    def __init__(self, api_key: str):
        self.client = OpenAI(
            api_key=api_key,
            base_url="https://open.bigmodel.cn/api/paas/v4/"
        )
        self.conversation = [
            {"role": "system", "content": "你是一个有用的 AI 助手"}
        ]
    
    def chat(self, user_input: str) -> str:
        # 添加用户消息
        self.conversation.append({"role": "user", "content": user_input})
        
        # 调用 API
        response = self.client.chat.completions.create(
            model="glm-4-air-250414",
            messages=self.conversation,
            temperature=0.7
        )
        
        # 获取 AI 回复
        ai_response = response.choices[0].message.content
        
        # 添加到对话历史
        self.conversation.append({"role": "assistant", "content": ai_response})
        
        return ai_response
    
    def clear_history(self):
        """清除对话历史，保留系统提示"""
        self.conversation = self.conversation[:1]

# 使用示例
bot = ChatBot("your-api-key")
print(bot.chat("你好，请介绍一下自己"))
print(bot.chat("你能帮我写代码吗？"))
print(bot.chat("写一个 Python 的快速排序算法"))

​
高级功能

​
推理（thinking）

在思考模式下，GLM-4.5 和 GLM-4.5-Air 可以解决复杂的推理问题，包括数学、科学和逻辑问题。 
import os
from openai import OpenAI
        
client = OpenAI(api_key='your-api-key', base_url='https://open.bigmodel.cn/api/paas/v4')
response = client.chat.completions.create(
        model='glm-4.5',
        messages=[
            {"role": "system", "content": "you are a helpful assistant"},
            {"role": "user", "content": "what is the revolution of llm?"}
        ],
        extra_body={
            "thinking": {
                "type": "enabled",
            },
        }
    )
for chunk in response:
    if chunk.choices[0].delta.reasoning_content:
        print(chunk.choices[0].delta.reasoning_content, end='')
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end='')

​
函数调用 (Function Calling)

import json

def get_weather(location: str) -> str:
    """获取指定地点的天气信息"""
    # 这里应该调用真实的天气 API
    return f"{location} 的天气：晴天，温度 25°C"

# 定义函数描述
tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "获取指定地点的天气信息",
            "parameters": {
                "type": "object",
                "properties": {
                    "location": {
                        "type": "string",
                        "description": "地点名称，例如：北京、上海"
                    }
                },
                "required": ["location"]
            }
        }
    }
]

# 调用带函数的对话
response = client.chat.completions.create(
    model="glm-4-air-250414",
    messages=[
        {"role": "user", "content": "北京今天天气怎么样？"}
    ],
    tools=tools,
    tool_choice="auto"
)

# 处理函数调用
message = response.choices[0].message
if message.tool_calls:
    for tool_call in message.tool_calls:
        if tool_call.function.name == "get_weather":
            args = json.loads(tool_call.function.arguments)
            result = get_weather(args["location"])
            print(f"函数调用结果: {result}")

​
图像理解

import base64
from PIL import Image
import io

def encode_image(image_path: str) -> str:
    """将图像编码为 base64 字符串"""
    with open(image_path, "rb") as image_file:
        return base64.b64encode(image_file.read()).decode('utf-8')

# 图像理解示例
image_base64 = encode_image("path/to/your/image.jpg")

response = client.chat.completions.create(
    model="glm-4v",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "请描述这张图片的内容"
                },
                {
                    "type": "image_url",
                    "image_url": {
                        "url": f"data:image/jpeg;base64,{image_base64}"
                    }
                }
            ]
        }
    ],
    temperature=0.7
)

print(response.choices[0].message.content)

​
参数配置

​
常用参数说明

参数类型默认值说明
modelstring必填要使用的模型名称
messagesarray必填对话消息列表
temperaturefloat0.6控制输出的随机性 (0-1)
top_pfloat0.95核采样参数 (0-1)
max_tokensinteger-最大输出 token 数
streambooleanfalse是否使用流式输出
stopstring/array-停止生成的标记
注意：temperature 参数的区间为 (0,1)，do_sample = False (temperature = 0) 在 OpenAI 调用中并不适用。

​
实践建议

性能优化

  • 使用连接池和会话复用
  • 合理设置超时时间
  • 实施异步调用处理高并发
  • 缓存常用的响应结果

成本控制

  • 合理设置 max_tokens 限制
  • 使用合适的模型（不要过度使用强模型）
  • 实施请求去重机制
  • 监控 API 使用量

安全性

  • 使用环境变量存储 API 密钥
  • 实施输入验证和过滤
  • 记录和监控 API 调用
  • 定期轮换 API 密钥

可靠性

  • 实施重试机制和错误处理
  • 设置合理的超时时间
  • 监控 API 状态和响应时间
  • 准备降级方案

​
迁移指南

​
从 OpenAI 迁移

如果您已经在使用 OpenAI API，迁移到智谱AI 非常简单： 
# 原来的 OpenAI 代码
from openai import OpenAI

client = OpenAI(
    api_key="sk-...",  # OpenAI API Key
    # base_url 使用默认值
)

# 迁移到智谱AI，只需要修改两个地方
client = OpenAI(
    api_key="your-zhipuai-api-key",  # 替换为智谱AI API Key
    base_url="https://open.bigmodel.cn/api/paas/v4/"  # 添加智谱AI base_url
)

# 其他代码保持不变
response = client.chat.completions.create(
    model="glm-4.5",  # 使用智谱AI 模型
    messages=[{"role": "user", "content": "Hello!"}]
)

​
模型映射

OpenAI 模型智谱AI 对应模型说明
gpt-4glm-4.5最强性能模型
gpt-4-turboglm-4-air-250414平衡性能和成本
gpt-3.5-turboglm-4-flash快速响应模型
gpt-4-visionglm-4v-plus视觉理解模型

​
更多资源

智谱AI API 文档

查看智谱AI 完整的 API 文档

OpenAI 官方文档

参考 OpenAI 官方文档了解更多用法
智谱AI 致力于保持与 OpenAI API 的兼容性，如果您在迁移过程中遇到任何问题，请联系我们的技术支持团队。