本指南将帮助您快速上手智谱开放平台,从注册账号到发起第一次 API 调用,只需几分钟即可完成。
开始使用
注册账号
访问智谱开放平台,点击右上角的「注册/登录」按钮,按照提示完成账号注册流程。 获取API Key
登录后,在个人中心页面,点击 API Keys,创建一个新的 API Key。请妥善保管您的 API Key,不要泄露给他人,也不要直接硬编码在代码中。建议使用环境变量或配置文件来存储 API Key。
选择模型
平台提供多种模型,您可以根据自己的需求选择合适的模型。详细的模型介绍请参考模型概况。 选择开发方式
平台提供多种开发方式,您可以根据项目需求和技术栈选择最适合的方式: 发起调用
准备好 API Key 和选择模型后,您可以开始发起调用。以下是使用 curl 和 Python SDK Java SDK 的示例: cURL
Python SDK
Java SDK
Python SDK(旧)
curl -X POST "https://open.bigmodel.cn/api/paas/v4/chat/completions" \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"model": "glm-4.6",
"messages": [
{
"role": "system",
"content": "你是一个有用的AI助手。"
},
{
"role": "user",
"content": "你好,请介绍一下自己。"
}
],
"temperature": 1.0,
"stream": true
}'
安装 SDK# 安装最新版本
pip install zai-sdk
# 或指定版本
pip install zai-sdk==0.1.0
验证安装import zai
print(zai.__version__)
使用示例from zai import ZhipuAiClient
# 初始化客户端
client = ZhipuAiClient(api_key="YOUR_API_KEY")
# 创建聊天完成请求
response = client.chat.completions.create(
model="glm-4.6",
messages=[
{
"role": "system",
"content": "你是一个有用的AI助手。"
},
{
"role": "user",
"content": "你好,请介绍一下自己。"
}
],
temperature=0.6
)
# 获取回复
print(response.choices[0].message.content)
安装 SDKMaven<dependency>
<groupId>ai.z.openapi</groupId>
<artifactId>zai-sdk</artifactId>
<version>0.1.3</version>
</dependency>
Gradle (Groovy)implementation 'ai.z.openapi:zai-sdk:0.1.3'
使用示例import ai.z.openapi.ZhipuAiClient;
import ai.z.openapi.service.model.*;
import java.util.Arrays;
public class QuickStart {
public static void main(String[] args) {
// 初始化客户端
ZhipuAiClient client = ZhipuAiClient.builder()
.apiKey("YOUR_API_KEY")
.build();
// 创建聊天完成请求
ChatCompletionCreateParams request = ChatCompletionCreateParams.builder()
.model("glm-4.6")
.messages(Arrays.asList(
ChatMessage.builder()
.role(ChatMessageRole.USER.value())
.content("Hello, who are you?")
.build()
))
.stream(false)
.temperature(0.6f)
.maxTokens(1024)
.build();
// 发送请求
ChatCompletionResponse response = client.chat().createChatCompletion(request);
// 获取回复
System.out.println(response.getData().getChoices().get(0).getMessage());
}
}
安装 SDK# 安装最新版本
pip install zhipuai
# 或指定版本
pip install zhipuai==2.1.5.20250726
验证安装import zhipuai
print(zhipuai.__version__)
使用示例from zhipuai import ZhipuAI
client = ZhipuAI(api_key="YOUR_API_KEY")
response = client.chat.completions.create(
model="glm-4.6",
messages=[
{
"role": "system",
"content": "你是一个有用的AI助手。"
},
{
"role": "user",
"content": "你好,请介绍一下自己。"
}
]
)
print(response.choices[0].message.content)
探索更多功能
流式输出
启用流式输出,获得更自然的对话体验。{
"model": "glm-4.6",
"messages": [
{
"role": "user",
"content": "你好,请介绍一下自己。"
}
],
"stream": true
}
多模态输入
使用 GLM-4.6V 模型处理图像和文本的混合输入。{
"model": "glm-4.6v",
"messages": [
{
"role": "user",
"content": [
{
"type": "text",
"text": "这张图片是什么?"
},
{
"type": "image_url",
"image_url": {
"url": "data:image/jpeg;base64,..."
}
}
]
}
]
}
函数调用
使用函数调用功能,让模型调用您定义的函数。{
"model": "glm-4.6",
"messages": [
{
"type": "text",
"text": "帮我查询从2024年1月20日,从北京出发前往上海的航班"
}
],
"tools": [
{
"type": "function",
"function": {
"name": "get_flight_number",
"description": "根据始发地、目的地和日期,查询对应日期的航班号",
"parameters": {
"type": "object",
"properties": {
"departure": {
"description": "出发地",
"type": "string"
},
"destination": {
"description": "目的地",
"type": "string"
},
"date": {
"description": "日期",
"type": "string"
}
},
"required": ["departure", "destination", "date"]
}
}
}
]
}
常见问题
当 API 调用出现错误时,服务器会返回相应的 HTTP 状态码和错误信息。常见的错误包括:
- 401 Unauthorized: API Key 无效或已过期
- 400 Bad Request: 请求参数错误
- 429 Too Many Requests: 超出 API 调用频率限制
- 500 Internal Server Error: 服务器内部错误
建议实现适当的错误处理和重试机制,特别是对于 429 和 500 错误。
以下是一些优化 API 调用成本的建议:
- 选择适合任务的模型,不同模型的价格不同
- 减少不必要的上下文信息,降低 token 消耗
- 使用缓存机制,避免重复调用
- 设置合理的 max_tokens 参数,避免生成过长的回复
- 在开发阶段使用较小的模型进行测试
对于超过模型上下文窗口大小的长文本,可以采用以下策略:
- 使用 GLM-4-Long 等支持更长上下文的模型
- 对文本进行分段处理,然后合并结果
- 使用文本嵌入模型进行相关性检索,只保留最相关的部分
- 对文本进行摘要,提取关键信息后再输入模型