Alibaba Cloud Model Studio：GLM-智譜

Python

範例程式碼

from openai import OpenAI
import os

# 初始化OpenAI用戶端
client = OpenAI(
    # 如果沒有配置環境變數，請用阿里雲百鍊API Key替換：api_key="sk-xxx"
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # 以下為新加坡地區的URL。請將 {WorkspaceId} 替換為您的百鍊業務空間ID，各地區的URL不同。
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
)

messages = [{"role": "user", "content": "你是誰"}]
completion = client.chat.completions.create(
    model="ZHIPU/GLM-5.3",
    messages=messages,
    # 通過 extra_body 設定 enable_thinking 開啟思考模式
    # reasoning_effort 控制思考深度，可選值：max（預設）、high、low
    extra_body={"enable_thinking": True, "reasoning_effort": "max"},
    stream=True,
    stream_options={
        "include_usage": True
    },
)

reasoning_content = ""  # 完整思考過程
answer_content = ""  # 完整回複
is_answering = False  # 是否進入回複階段
print("\n" + "=" * 20 + "思考過程" + "=" * 20 + "\n")

for chunk in completion:
    if not chunk.choices:
        print("\n" + "=" * 20 + "Token 消耗" + "=" * 20 + "\n")
        print(chunk.usage)
        continue

    delta = chunk.choices[0].delta

    # 只收集思考內容
    if hasattr(delta, "reasoning_content") and delta.reasoning_content is not None:
        if not is_answering:
            print(delta.reasoning_content, end="", flush=True)
        reasoning_content += delta.reasoning_content

    # 收到content，開始進行回複
    if hasattr(delta, "content") and delta.content:
        if not is_answering:
            print("\n" + "=" * 20 + "完整回複" + "=" * 20 + "\n")
            is_answering = True
        print(delta.content, end="", flush=True)
        answer_content += delta.content

返回結果

====================思考過程====================

讓我仔細思考使用者提出的這個看似簡單但實際上很有深度的問題。

從語言特點來看，使用者使用的是中文，這意味著我應該用中文來回應。這是一個最基礎的自我介紹問題，但背後可能包含著多層次的含義。

首先需要明確的是，作為一個語言模型，我應該誠實地說明自己的身份和本質。我既不是人類，也不具備真正的情感意識，而是一個由深度學習技術訓練的AI助手。這是最基本的事實。

其次，考慮到使用者可能的需求情境，他們或許想瞭解：
1. 我能提供什麼樣的服務
2. 我的專業領域是什麼
3. 我的局限性在哪裡
4. 如何與我更好地互動

在回答中，我應該既表達友好和開放的態度，又保持專業和準確。要說明自己擅長的主要領域，比如知識問答、寫作輔助、創意支援等，但同時也要坦誠地指出自己的局限性，比如缺乏真實的情感體驗。

此外，為了讓回答更加完整，我還應該表達出願意協助使用者解決問題的積極態度。可以適當引導使用者提出更具體的問題，這樣可以更好地展現自己的能力。

考慮到這是一個開放式的開場白，回答時既要簡潔明了，又要包含足夠的資訊量，讓使用者對我的基本情況有一個清晰的認識，同時為後續的對話奠定良好的基礎。

最後，語氣應該保持謙遜和專業，既不過於技術化，也不顯得過分隨意，讓使用者感到舒適和自然。
====================完整回複====================

我是智譜AI訓練的GLM大語言模型，旨在為使用者提供資訊和協助解決問題。我被設計用來理解和產生人類語言，可以回答問題、提供解釋或參與各類話題討論。

我不會儲存您的個人資料，我們的對話是匿名的。有什麼我能幫您瞭解或探討的話題嗎？
====================Token 消耗====================

CompletionUsage(completion_tokens=344, prompt_tokens=7, total_tokens=351, completion_tokens_details=None, prompt_tokens_details=None)

Node.js

範例程式碼

import OpenAI from "openai";
import process from 'process';

// 初始化OpenAI用戶端
const openai = new OpenAI({
    // 如果沒有配置環境變數，請用阿里雲百鍊API Key替換：apiKey: "sk-xxx"
    apiKey: process.env.DASHSCOPE_API_KEY,
    // 以下為新加坡地區的URL。請將 {WorkspaceId} 替換為您的百鍊業務空間ID，各地區的URL不同。
    baseURL: 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1'
});

let reasoningContent = ''; // 完整思考過程
let answerContent = ''; // 完整回複
let isAnswering = false; // 是否進入回複階段

async function main() {
    try {
        const messages = [{ role: 'user', content: '你是誰' }];

        const stream = await openai.chat.completions.create({
            model: 'ZHIPU/GLM-5.3',
            messages,
            // 注意：在 Node.js SDK，enable_thinking 這樣的非標準參數作為頂層屬性傳遞，無需放在 extra_body 中
            enable_thinking: true,
            // reasoning_effort 控制思考深度，可選值：max（預設）、high、low
            reasoning_effort: 'max',
            stream: true,
            stream_options: {
                include_usage: true
            },
        });

        console.log('\n' + '='.repeat(20) + '思考過程' + '='.repeat(20) + '\n');

        for await (const chunk of stream) {
            if (!chunk.choices?.length) {
                console.log('\n' + '='.repeat(20) + 'Token 消耗' + '='.repeat(20) + '\n');
                console.log(chunk.usage);
                continue;
            }

            const delta = chunk.choices[0].delta;

            // 只收集思考內容
            if (delta.reasoning_content !== undefined && delta.reasoning_content !== null) {
                if (!isAnswering) {
                    process.stdout.write(delta.reasoning_content);
                }
                reasoningContent += delta.reasoning_content;
            }

            // 收到content，開始進行回複
            if (delta.content !== undefined && delta.content) {
                if (!isAnswering) {
                    console.log('\n' + '='.repeat(20) + '完整回複' + '='.repeat(20) + '\n');
                    isAnswering = true;
                }
                process.stdout.write(delta.content);
                answerContent += delta.content;
            }
        }
    } catch (error) {
        console.error('Error:', error);
    }
}

main();

返回結果

====================思考過程====================

讓我仔細思考使用者的問題"你是誰"。這需要從多個角度來分析和回應。

首先，這是一個基礎的身份認知問題。作為GLM大語言模型，需要準確表達自己的身份定位。應該清晰地說明自己是由智譜AI開發的AI助手。

其次，思考使用者提出這個問題的可能意圖。他們可能是初次接觸，想瞭解準系統；也可能想確認是否能提供特定協助；或者只是想測試回應方式。因此需要給出一個開放且友好的回答。

還要考慮回答的完整性。除了身份介紹，也應該簡要說明主要功能，如問答、創作、分析等，讓使用者瞭解可以如何使用這個助手。

最後，要確保語氣友好親和，表達出樂於協助的態度。可以用"很高興為您服務"這樣的表達，讓使用者感受到交流的溫暖。

基於這些思考，可以組織一個簡潔明了的回答，既能回答使用者問題，又能引導後續交流。
====================完整回複====================

我是GLM，由智譜AI訓練的大語言模型。我通過大規模文本資料訓練，能夠理解和產生人類語言，協助使用者回答問題、提供資訊和進行對話交流。

我會持續學習和改進，以提供更好的服務。很高興能為您解答問題或提供協助！有什麼我能為您做的嗎？
====================Token 消耗====================

{ prompt_tokens: 7, completion_tokens: 248, total_tokens: 255 }

HTTP

範例程式碼

# 以下為新加坡地區的URL。請將 {WorkspaceId} 替換為您的百鍊業務空間ID，各地區的URL不同。
curl -X POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/chat/completions \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "ZHIPU/GLM-5.3",
    "messages": [
        {
            "role": "user",
            "content": "你是誰"
        }
    ],
    "stream": true,
    "stream_options": {
        "include_usage": true
    },
    "enable_thinking": true,
    "reasoning_effort": "max"
}'

Python

範例程式碼

from openai import OpenAI
import os

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # 以下為新加坡地區的URL。請將 {WorkspaceId} 替換為您的百鍊業務空間ID，各地區的URL不同。
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
)

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "擷取指定城市的天氣資訊",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {"type": "string", "description": "城市名稱"}
                },
                "required": ["city"]
            }
        }
    }
]

messages = [{"role": "user", "content": "北京天氣怎麼樣"}]

completion = client.chat.completions.create(
    model="ZHIPU/GLM-5.3",
    tools=tools,
    messages=messages,
    extra_body={
        "tool_stream": True,
    },
    stream=True,
    stream_options={"include_usage": True},
)

for chunk in completion:
    if chunk.choices:
        delta = chunk.choices[0].delta
        if hasattr(delta, 'content') and delta.content:
            print(f"[content] {delta.content}")
        if hasattr(delta, 'tool_calls') and delta.tool_calls:
            for tc in delta.tool_calls:
                print(f"[tool_call] id={tc.id}, name={tc.function.name}, args={tc.function.arguments}")
        if chunk.choices[0].finish_reason:
            print(f"[finish_reason] {chunk.choices[0].finish_reason}")
    if not chunk.choices and chunk.usage:
        print(f"[usage] {chunk.usage}")

Node.js

範例程式碼

import OpenAI from "openai";
import process from 'process';

const openai = new OpenAI({
    apiKey: process.env.DASHSCOPE_API_KEY,
    // 以下為新加坡地區的URL。請將 {WorkspaceId} 替換為您的百鍊業務空間ID，各地區的URL不同。
    baseURL: 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1'
});

const tools = [
    {
        type: "function",
        function: {
            name: "get_weather",
            description: "擷取指定城市的天氣資訊",
            parameters: {
                type: "object",
                properties: {
                    city: { type: "string", description: "城市名稱" }
                },
                required: ["city"]
            }
        }
    }
];

async function main() {
    try {
        const stream = await openai.chat.completions.create({
            model: 'ZHIPU/GLM-5.3',
            messages: [{ role: 'user', content: '北京天氣怎麼樣' }],
            tools: tools,
            tool_stream: true,
            stream: true,
            stream_options: {
                include_usage: true
            },
        });

        for await (const chunk of stream) {
            if (!chunk.choices?.length) {
                if (chunk.usage) {
                    console.log(`[usage] ${JSON.stringify(chunk.usage)}`);
                }
                continue;
            }

            const delta = chunk.choices[0].delta;

            if (delta.content) {
                console.log(`[content] ${delta.content}`);
            }

            if (delta.tool_calls) {
                for (const tc of delta.tool_calls) {
                    console.log(`[tool_call] id=${tc.id}, name=${tc.function.name}, args=${tc.function.arguments}`);
                }
            }

            if (chunk.choices[0].finish_reason) {
                console.log(`[finish_reason] ${chunk.choices[0].finish_reason}`);
            }
        }
    } catch (error) {
        console.error('Error:', error);
    }
}

main();

curl

# 以下為新加坡地區的URL。請將 {WorkspaceId} 替換為您的百鍊業務空間ID，各地區的URL不同。
curl -X POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/chat/completions \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "ZHIPU/GLM-5.3",
    "messages": [
        {
            "role": "user",
            "content": "北京天氣怎麼樣"
        }
    ],
    "tools": [
        {
            "type": "function",
            "function": {
                "name": "get_weather",
                "description": "擷取指定城市的天氣資訊",
                "parameters": {
                    "type": "object",
                    "properties": {
                        "city": {"type": "string", "description": "城市名稱"}
                    },
                    "required": ["city"]
                }
            }
        }
    ],
    "stream": true,
    "stream_options": {"include_usage": true},
    "tool_stream": true
}'