基于大模型 API 打造个人 AI 助理实战

不懂的朋友可以再看看官方文档，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。

可交互 AI 助理开发

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. 首先是 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 = "YOUR_API_ENDPOINT"
self.api_key = "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": "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'Deepseek-R1 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。

小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。

这里我们的小助手是有长记忆的，可以支持进行多轮对话，不用担心 token 不够，平台提供了充足的免费 Token。

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。
• 模型可更换，用完了某个模型的 token 也可以换成其他的。

平台可以看到调用 API 的数量和 token 用量，实时监控并更新，方便我们查看。

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 = "YOUR_API_ENDPOINT"
        self.api_key = "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": "deepseek-r1", "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()

总结

在大数据隐私风险下，我们可以尝试利用大模型 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。平台提供的充足 Token 降低了使用成本，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。