华为云Flexus+DeepSeek征文 | 华为云 ModelArts Studio 赋能高情商AI聊天助手：用技术构建有温度的智能对话体验

前言

华为云 ModelArts Studio 是基于 ModelArts 构建的一站式大模型即服务平台（MaaS），可通过与开源 Agent 框架 Dify.AI 结合来开发对接 AI 聊天助手。

在打造 “高情商” 特性的过程中，华为云ModelArts Studio 的自定义提示词和上下文管理功能堪称点睛之笔。通过预设不同情绪场景的对话模板，结合用户输入的语义分析，AI 能够灵活调整回复的语气与内容。例如，当用户倾诉烦恼时，聊天助手会以温柔共情的语言回应，而在用户咨询信息时，则切换为简洁专业的风格。这种情感化交互的实现，离不开平台强大的算力支持与模型优化能力，在训练过程中，能明显感受到数据处理和模型迭代的高效性。

具体操作步骤如下：

1、准备工作：

注册登录：前往华为云官网（https://www.huaweicloud.com/），注册并登录账号。

在这里插入图片描述

开通服务：在华为云服务列表中，找到并开通 ModelArts Studio 服务。

在这里插入图片描述

部署平台：推荐用华为云 Flexus X 实例，一键部署 Dify 平台，注意计算规格不要低于 C7.xlarge.2。

在这里插入图片描述

2、使用 ModelArts Studio 部署大语言模型：

2.1 选择定制：登录 ModelArts Studio 平台（目前仅华东二区域支持），在模型推理选择想要使用的大语言模型，如 “DeepSeek-V3-32K”，并点击 “微调” 进行定制。

在这里插入图片描述

2.2 创建模型：点击左上角 “创建模型”，自定义模型名称，并选择使用推荐权重文件，配置好后点击 “创建”。

2.3 部署模型：点击右上角的 “部署” 按钮，在部署页面中配置服务名称、资源规格和 QPS，配置好后点击 “提交”。当服务状态变为 “运行中” 时，模型部署完成。

DeepSeek-V3-32K

2.4 获取 API 信息：创建 API Key 并保存密钥。(后面需要将python代码中的API进行替换)

在这里插入图片描述

3、使用 DIFY 编排工具构建 AI 智能体：

3.1 配置模型供应商：点击 Dify 右上角 “设置”，进入模型供应商页签。选择 “OpenAI-API-compatible” 供应商，并填入 ModelArts Studio 中获取的模型名称、API Key 和 API 地址（注意删除最后面的 “chat/completions” 部分）。

在这里插入图片描述

3.2 创建并编排 AI 智能体：点击 “工作室”，选择 “从空白创建”。选择应用类型为 “聊天助手”，并给应用起名字、选择图标和描述。创建完毕后，进入编排界面，填写提示词，可使用内置的提示生成器，并插入自定义变量，还可添加开场白和上下文，必要时可在 “上下文” 内引用知识库。

在这里插入图片描述

3.3 测试并发布 AI 智能体：编排完成后，通过右侧的对话框进行测试。若效果符合预期，选择 “发布” 保存所有编排，即可得到一个完整的 AI 智能体应用。

在这里插入图片描述

4. 项目需要的开发环境

Python：3.8
IDE：Pycharm或vscode
第三方库：① wxauto Version: 3.9.11.17.4 ② zhipuai Version: 2.1.4.20250325

pip install wxauto==3.9.11.17.4 zhipuai -i https://pypi.tuna.tsinghua.edu.cn/simple

在这里插入图片描述

打开您自己的微信
登录微信客户端，选择一个联系人或群聊，默认监听当前窗口

5、高情商AI聊天助手核心代码

from zhipuai import ZhipuAI class ZhipuAIUtil:def __init__(self, api_key):self.api_key = api_keyself.client = ZhipuAI(api_key=self.api_key)def get_answer(self, question):try:response = self.client.chat.completions.create(model="glm-4",messages=[{"role": "user", "content": question},],)return response.choices[0].message.contentexcept Exception as e:error_message = str(e)if "系统检测到输入或生成内容可能包含不安全或敏感内容" in error_message:return "系统检测到输入或生成内容可能包含不安全或敏感内容，请您避免输入易产生敏感内容的提示语，感谢您的配合。"else:return error_message# 使用示例
from zhipuai import ZhipuAI  # zhipuai Version: 2.1.4.20230731class ZhipuAIUtil:def __init__(self, api_key):self.api_key = api_keyself.client = ZhipuAI(api_key=self.api_key)def get_answer(self, question):try:response = self.client.chat.completions.create(model="glm-4",messages=[{"role": "user", "content": question},],)return response.choices[0].message.contentexcept Exception as e:error_message = str(e)if "系统检测到输入或生成内容可能包含不安全或敏感内容" in error_message:return "系统检测到输入或生成内容可能包含不安全或敏感内容，请您避免输入易产生敏感内容的提示语，感谢您的配合。"else:return error_message# 使用示例
if __name__ == '__main__':api_key = "55f67457af44ddaf5f53ab6dcd50b89d.KRnAjz8uOMaiJPbL"zhipu_ai = ZhipuAIUtil(api_key=api_key)while True:question = input("请输入要提问的问题:\n")print(zhipu_ai.get_answer(question if len(question) > 0 else '你好，请你直接写出冒泡排序算法，回答得简短一些'))print()

6、聊天记录日志类Logger.py

import logging
from datetime import datetimeclass LoggerClass:def __init__(self, log_file='my_log.log'):# 创建一个loggerself.logger = logging.getLogger('my_logger')self.logger.setLevel(logging.DEBUG)  # 设置日志级别# 创建一个handler，用于写入日志文件，模式为'a'表示追加self.file_handler = logging.FileHandler(log_file, mode='a')# 创建一个formatter，设置日志格式self.formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s:\n%(message)s\n')self.file_handler.setFormatter(self.formatter)# 给logger添加handlerself.logger.addHandler(self.file_handler)def log_message(self, message, level=logging.INFO):# 记录日志消息if level == logging.DEBUG:self.logger.debug(message)elif level == logging.INFO:self.logger.info(message)elif level == logging.WARNING:self.logger.warning(message)elif level == logging.ERROR:self.logger.error(message)elif level == logging.CRITICAL:self.logger.critical(message)else:self.logger.error(f"Invalid logging level: {level}")def close(self):# 关闭文件处理器self.file_handler.close()# 使用示例
if __name__ == '__main__':# 获取今天的日期today = datetime.now().date()formatted_today = today.strftime('%Y-%m-%d') + ".log"logger_class = LoggerClass(log_file=formatted_today)logger_class.log_message('This is a log message at INFO level.')

7、WeChatListener.py 微信监听类

微信监听类，打开微信客户端后，pycharm中点击运行该文件即可执行程序
自动监听并用AI分析两人的对话

import time
from wxauto import WeChat  # wxauto Version: 3.9.11.17.4
from AIUtil import ZhipuAIUtil
from Logger import LoggerClass
from datetime import datetime"""
自动监听并用AI分析两人的对话
"""class WeChatWindow:def __init__(self, n=1, lens=5, api_key="55f67457af44ddaf5f53ab6dcd50b89d.KRnAjz8uOMaiJPbL", question="",wait_for_oppo=1):self.lens = lensself.wx = WeChat()self.currentWindow = []self.msg5 = []self.loggerClass = LoggerClass(datetime.now().date().strftime('%Y-%m-%d') + ".log")self.aiUtil = ZhipuAIUtil(api_key=api_key)self.wait_for_oppo = wait_for_oppoself.question = questionself.cycle = nself.update_current_window()  # 启动时获取当前聊天记录def update_current_window(self):# 获取当前聊天窗口消息msgs = self.wx.GetAllMessage(savevoice=True)self.currentWindow = []for msg in msgs:if msg.type == 'friend' or msg.type == 'self':self.currentWindow.append(msg.sender + ": " + msg.content)self.msg5 = self.currentWindow[-self.lens:]self.log(".\n".join(self.currentWindow))# def chat_with(self, who): #默认监听当前窗口，不指定对象#     self.wx.ChatWith(who)#     self.update_current_window()def print_last_messages(self):print("=" * 100)print("捕捉到当前5条消息: ")for i in self.msg5:print(i.encode('gbk', 'ignore').decode('gbk'))print()def print_AI_messages(self):strs = ' '.join(self.msg5)ans = self.aiUtil.get_answer(strs + self.question)print("智谱AI:")print(ans.encode('gbk', 'ignore').decode('gbk'))def listen_for_new_messages(self):i = 0lastMsg5 = self.msg5while True:# 获取下一条新消息msgs = self.wx.GetNextNewMessage(savevoice=True)for msgList in msgs.values():for item in msgList:# if item[0] != 'SYS':if item[0] != 'SYS' and item[1] != '[动画表情]' and item[1] != '[图片]':  # 不计入表情包和图片self.currentWindow.append(item[0] + ": " + item[1])self.msg5 = self.currentWindow[-self.lens:]if self.msg5 != lastMsg5:self.log(self.currentWindow[-1])lastMsg5 = self.msg5self.print_last_messages()i += 1if i % self.cycle == 0:  # 每隔cycle个消息AI分析一次if self.wait_for_oppo == 1:if not self.currentWindow[-1].startswith('Self'):  # 只要最后一条消息不是自己的(是别人的)，就调用AI回答self.print_AI_messages()else:self.print_AI_messages()time.sleep(0.5)def log(self, msg):self.loggerClass.log_message(msg.encode('gbk', 'ignore').decode('gbk'))if __name__ == '__main__':chat_window = WeChatWindow(n=1,  # 每发1次监听一次lens=5,  # 监听最近5个对话api_key="55f67457af44ddaf5f53ab6dcd50b89d.KRnAjz8uOMaiJPbL",  # 连接国内大模型智谱清言密钥question="以上是一段对话，请你站在Self的角度并且模仿Self的语气(Self是年轻人)，替他回复，给出一个参考回答就可以了，请你反驳对面",wait_for_oppo=1)chat_window.print_last_messages()chat_window.print_AI_messages()chat_window.listen_for_new_messages()

8、项目程序启动测试

方法一：pycharm或vscode中运行WeChatListener.py

方法二：或在命令行中输入以下代码

python WeChatListener.py

在这里插入图片描述

2025-06-08 15:58:47,504 - my_logger - INFO:
Self: 可以.
xxx: 两点半怎么样.
xxx: 我开车载你.
Self: 可以.
Self: 你打个电话给我

总结

最终生成的聊天助手，不仅具备精准的问答能力，更展现出了 “有温度” 的智能交互体验。无论是日常闲聊还是深度对话，它都能敏锐捕捉用户情绪，给出恰到好处的回应。华为云 ModelArts Studio 真正让技术不再冰冷，而是成为连接人与智能情感沟通的桥梁，这次开发经历也让我对 AI 在情感交互领域的应用前景充满期待。