前言
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 MaaS 平台来调用大模型 API，打造专属的 AI 助理。
需求分析与环境配置
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
注册平台账号
如果还未拥有平台账号的小伙伴，需前往平台官网注册一下账号。
获取 API 密钥
成功登录平台后，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。这串密钥是你调用平台 API 的重要凭证，务必妥善保管，切勿向他人透露，以免造成安全风险。
选择合适的大模型
平台提供了多种大模型供选择，如 DeepSeek - R1、DeepSeek - V3、QwQ - 32B 等。
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。
在平台的模型介绍页面，我们可详细了解各模型的特点、适用场景以及调用价格，综合评估后确定符合自身需求的模型。
MaaS 平台介绍
考虑到有些读者可能不了解 MaaS 平台究竟是什么，这里做简单介绍。
MaaS 平台即'模型即服务'（Model as a Service）平台，是一种依托云计算的人工智能服务模式。模型即服务（MaaS）平台面向企业开发者、创业者及非技术背景用户，提供开箱即用的热门 AI 模型服务，支持零代码体验、API 快速集成与灵活计费，降低 AI 应用开发门槛，加速业务创新。允许用户通过 API 接口或其他方式访问和使用预先训练好的机器学习模型，无需自己从头开始训练模型，使得即使没有深厚机器学习背景的用户也能享受到高水平的 AI 技术支持。
平台也支持各种文本、图像、视频大模型的选择。
也可以在体验中心，直接体验模型。
API 调用
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
平台为开发者提供了清晰且便捷的 API 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：将之前获取的平台 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 ="https://api.example.com/v1/chat/completions"
headers ={"Content-Type":"application/json","Authorization":"Bearer 这里改成自己的 API 密钥"}
data ={"model":"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}")
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.首先是平台 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 ="https://api.example.com/v1/chat/completions"
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":"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
defappend_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
defsend_message(self, event=None): user_message = self.user_input.get()ifnot 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，平台给我们提供了免费的 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 deepseek-r1 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 classAIChatApp: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 ="https://api.example.com/v1/chat/completions" 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。"defappend_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)defsend_message(self, event=None): user_message = self.user_input.get()ifnot 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()defget_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 MaaS 平台调用大模型 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。重中之重是平台提供的 Token 资源，降低使用成本，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。