aisapi/lib/example-zhipu.js

A JavaScript/TypeScript API library for multiple AI providers

"use strict";
/**
 * 智谱AI (ChatGLM) 使用示例
 *
 * 在运行此示例前，请确保设置环境变量:
 * ZHIPU_API_KEY=your_api_key
 *
 * 或在代码中直接提供API密钥（不推荐生产环境使用）
 */
var __awaiter = (this && this.__awaiter) || function (thisArg, _arguments, P, generator) {
    function adopt(value) { return value instanceof P ? value : new P(function (resolve) { resolve(value); }); }
    return new (P || (P = Promise))(function (resolve, reject) {
        function fulfilled(value) { try { step(generator.next(value)); } catch (e) { reject(e); } }
        function rejected(value) { try { step(generator["throw"](value)); } catch (e) { reject(e); } }
        function step(result) { result.done ? resolve(result.value) : adopt(result.value).then(fulfilled, rejected); }
        step((generator = generator.apply(thisArg, _arguments || [])).next());
    });
};
Object.defineProperty(exports, "__esModule", { value: true });
const zhipu_1 = require("./providers/zhipu");
function main() {
    return __awaiter(this, void 0, void 0, function* () {
        // 创建智谱AI提供商实例
        const provider = new zhipu_1.ZhipuProvider({
            apiKey: process.env.ZHIPU_API_KEY,
            model: zhipu_1.ZhipuModel.GLM_3_TURBO // 使用GLM-3-Turbo模型
        });
        try {
            // 示例1: 简单文本生成
            console.log('=== 示例1: 简单文本生成 ===');
            const response1 = yield provider.generateText({
                prompt: '介绍一下ChatGLM模型的特点和优势',
                maxTokens: 300
            });
            console.log(response1.text);
            console.log('Token使用情况:', response1.usage);
            console.log('\n');
            // 示例2: 带系统消息的聊天
            console.log('=== 示例2: 带系统消息的聊天 ===');
            const response2 = yield provider.generateText({
                systemMessage: '你是一位计算机科学领域专家，精通机器学习和深度学习技术。请用专业且易懂的语言回答问题。',
                prompt: '解释一下大语言模型（LLM）的自监督学习方法和优缺点',
                temperature: 0.6,
                maxTokens: 500
            });
            console.log(response2.text);
            console.log('\n');
            // 示例3: 使用高级GLM-4模型
            console.log('=== 示例3: 使用GLM-4模型 ===');
            const glm4Provider = new zhipu_1.ZhipuProvider({
                apiKey: process.env.ZHIPU_API_KEY,
                model: zhipu_1.ZhipuModel.GLM_4 // 使用GLM-4模型
            });
            const response3 = yield glm4Provider.generateText({
                prompt: '如何构建一个可靠的大型语言模型评估体系？请考虑多方面的指标和实现方法。',
                maxTokens: 1000,
                temperature: 0.4
            });
            console.log(response3.text);
            console.log('\n');
            // 示例4: 生成JSON格式的内容
            console.log('=== 示例4: 生成JSON格式内容 ===');
            const response4 = yield provider.generateJSON({
                prompt: '生成一个包含5种常见的深度学习模型架构的列表，包括模型名称、发布年份、主要应用场景和核心创新点',
                temperature: 0.2
            });
            console.log(JSON.stringify(response4, null, 2));
            console.log('\n');
            // 示例5: 流式响应示例
            console.log('=== 示例5: 流式响应（打印事件ID） ===');
            const stream = yield provider.createStreamingChatCompletion({
                model: zhipu_1.ZhipuModel.GLM_3_TURBO,
                messages: [
                    { role: 'user', content: '简要介绍中国的AI发展历程' }
                ],
                maxTokens: 300
            });
            console.log('开始接收流式响应...');
            const reader = stream.getReader();
            let result = '';
            while (true) {
                const { done, value } = yield reader.read();
                if (done)
                    break;
                // 这里只是简单示例，实际应用中需要根据API响应格式解析
                const chunk = new TextDecoder().decode(value);
                console.log('收到数据块:', chunk.substring(0, 50) + '...');
                result += chunk;
            }
            console.log('流式响应完成');
            console.log('\n');
        }
        catch (error) {
            console.error('发生错误:', error);
        }
    });
}
// 执行主函数
main().catch(console.error);
//# sourceMappingURL=example-zhipu.js.map