🐑 |從零開始的Pyside2界面編程| 用Pyside2打造一個AI助手界面 🐑

?前言?

經過上周老學長的提點，這周進度飛速，感覺按照我原來的進度這周的成果需要多耗好多個星期，首先感謝一下學長@浩浩的科研筆記，其次這周的博客就準備簡單記錄一下，如何把一個AI以api的形式嵌入到自己的ui界面中，引入AI后確實增加了很多交互的體驗，就拿我自己做的這個根據心電信號實時識別并預測情緒的系統來看，我完全可以在引入AI后通過AI調取我識別后的情緒模型結果來給用戶相關建議或者下一步的想法，人機交互顯得更加自然一點。本篇就以引入Deepseek的模型為例來記錄一下如何將AI引入到自己的ui界面中。

?調取Deepseek大模型?

在打造ui界面的AI助手之前首先來介紹一下如何在python上調取Deepseek大模型并實現一個多輪對話，這里先推薦一下學長@浩浩的科研筆記的一篇博文調用阿里通義千問大語言模型API-小白新手教程-python，這里已經以阿里的通義千問為例將調取大模型API 以及實現多輪對話的功能介紹的很詳細了，我這里就以調取Deepseek為例全程記錄一下自己調取的步驟。

?準備工作?

首先我們需要申請一份Deepseek的API用于使用python訪問Deepseek的模型。進入deepseek的官網：https://www.deepseek.com/，進入右上角的API開放平臺。

進入后在開放平臺左側可以看到充值入口，充值后，進入API KEYs

點擊創建API key即可創建一個自己的API 密鑰，可以保存到電腦上，或者復制下來
（因為只有創建的時候才能看到自己的密鑰，后面關閉創建的彈窗后就看不到了）
然后開始安裝requests庫，這個庫的作用就是HTTP請求到Deepseek API內，安裝命令符：
pip install requests。至此準備工作結束。

?調用API?

然后一點點來記錄下調用剛剛保存的API 的代碼。

import requests# 配置參數
API_KEY = ""  # 替換為你的API密鑰
API_URL = "https://api.deepseek.com/v1/chat/completions"

其中API_KEY為剛剛保存的密鑰復制上即可，下面的API_URL為官方文檔的斷點地址。

def ask_deepseek(prompt):headers = {"Authorization": f"Bearer {API_KEY}","Content-Type": "application/json"}data = {"model": "deepseek-chat","messages": [{"role": "user", "content": prompt}],"temperature": 0.7,"max_tokens": 1024}

在ask_deepseek的函數中分別定義請求頭headers以及構造請求數據data。messages中分別包含角色和對話的內容temperature則是控制模型回復的隨機性，越靠近1回復就會越天馬行空；max_tokens則是限制回復的最大長度（大約1024tokens≈700漢字），并且在data中我們可以改變調用的模型，除了代碼中的deepseek-chat外還可以調用deepseek-coder相對而言代碼能力更強。

    try:response = requests.post(API_URL, headers=headers, json=data)response.raise_for_status()  # 檢查錯誤return response.json()["choices"][0]["message"]["content"]except Exception as e:return f"錯誤: {str(e)}"

然后就是發送請求與錯誤處理，當消息頭和請求數據發送成功時，response.json會成功解析API返回的JSON數據，并且通過response.json()["choices"][0]["message"]["content"]提取出AI回復的文本內容，如果請求失敗則會返回錯誤提示。

if __name__ == "__main__":while True:user_input = input("你: ")if user_input.lower() == 'exit':breakanswer = ask_deepseek(user_input)print("DeepSeek:", answer)

最后就是連續對話的一個交互邏輯，當用戶輸入exit時候退出對話。
完整代碼：

import requests# 配置參數
API_KEY = ""  # 替換為你的實際API密鑰
API_URL = "https://api.deepseek.com/v1/chat/completions"def ask_deepseek(prompt):headers = {"Authorization": f"Bearer {API_KEY}","Content-Type": "application/json"}data = {"model": "deepseek-chat","messages": [{"role": "user", "content": prompt}],"temperature": 0.7,"max_tokens": 1024}try:response = requests.post(API_URL, headers=headers, json=data)response.raise_for_status()  # 檢查錯誤return response.json()["choices"][0]["message"]["content"]except Exception as e:return f"錯誤: {str(e)}"if __name__ == "__main__":while True:user_input = input("你: ")if user_input.lower() == 'exit':breakanswer = ask_deepseek(user_input)print("DeepSeek:", answer)

運行后我們可以簡單看下效果：

可以看到我們可以直接在pycharm的控制臺中實現實時的對話功能，但是不好的一點就是pycharm的控制臺不支持markdown的渲染，所以里面會難以識別出markdown的語法。

?將模型嵌入到ui界面中?

既然已經實現了簡單使用requests在pycharm中調用deepseek的模型，后面就簡單記錄一下怎樣在ui界面中調用。
這里還是以QTdesigner來制作ui界面為例，這里我是創建了一個名為aitest2.ui的文件，包含了一個QTexeBrowser、一個QtextEdit、一個Qpushbutton以及一個label

首先label就是簡單給自己的AI助手設置一個名字，我這里也是隨便起的一個，下面分別就是用戶的輸入欄發送按鈕以及回復框,其中三個控件的名字分別為aitext，aibutton，以及textbrowser。創建好后我們只需要將他load并結合我們上面的代碼，給各個控件加一個交互的指令即可。

import sys
import requests
from PySide2.QtWidgets import QApplication, QMainWindow
from PySide2.QtUiTools import QUiLoader# API 配置（與原始代碼保持一致）
API_KEY = ""  # 替換為你的實際API密鑰
API_URL = "https://api.deepseek.com/v1/chat/completions"def ask_deepseek(prompt):"""與您提供的函數完全一致的API調用方法"""headers = {"Authorization": f"Bearer {API_KEY}","Content-Type": "application/json"}data = {"model": "deepseek-chat","messages": [{"role": "user", "content": prompt}],"temperature": 0.7,"max_tokens": 1024}try:response = requests.post(API_URL, headers=headers, json=data)response.raise_for_status()return response.json()["choices"][0]["message"]["content"]except Exception as e:return f"錯誤: {str(e)}"class DeepSeekApp:def __init__(self):# 加載UI文件self.ui = QUiLoader().load("aitest2.ui")# 綁定按鈕事件self.ui.aibutton.clicked.connect(self.on_button_click)def on_button_click(self):"""按鈕點擊事件處理"""user_input = self.ui.aitext.toPlainText().strip()if not user_input:return# 調用與原始代碼一致的API方法answer = ask_deepseek(user_input)# 顯示結果self.ui.textbrowser.append(f"You: {user_input}")self.ui.textbrowser.append(f"AI: {answer}\n")self.ui.aitext.clear()if __name__ == "__main__":app = QApplication(sys.argv)window = DeepSeekApp()window.ui.show()sys.exit(app.exec_())

第一個函數基本沒什么變化，主要第二個調用的類里面記得在初始化中將按鈕給初始化了。然后下面的on_button_click的方法也是很簡單的交互指令，只是最后記得加上一句 self.ui.aitext.clear()目的是當我們把輸入的文本發送后，將上次已發送的文本進行清空掉。
簡單看下效果：

?總結?

簡單記錄一下這周學到的一些比較重要的地方，如果有不合適的地方也歡迎提出。