【腾讯云 HAI域探秘】基于高性能应用服务器HAI部署的 ChatGLM2-6B模型，我开发了AI办公助手，公司行政小姐姐用了都说好！

前言

一、腾讯云HAI介绍：

1、即插即用 · 轻松上手

2、横向对比 · 青出于蓝

3、多种高性能应用部署场景

二、腾讯云HAI一键部署并使用ChatGLM2-6B快速实现开发者所需的相关API服务

1、登录高性能应用服务 HAI 控制台

2、点击新建选择 AI模型，输入实例名称

3、等待创建完成后，查看相关状态(预计等待3-8分钟，等待时间不计费)

4、创建完成，查看相关状态

5、查看配置详情

6、（关键环节）使用 JupyterLab 启动 ChatGLM2-6B 提供的API 服务

三、AI办公助手代码开发

1、选择腾讯云的云开发编辑器Cloud Stuio，详细使用教程可以看博主另一篇文章

2、选择模板，快速生成项目

3、项目代码开发

（1）项目生成后，集成并下载开发所需的依赖

（2）配置一下接口的代理，避免本地开发浏览器访问跨域（前端开发都懂）

（3）开发项目界面，这里详细的开发过程就不赘述~

（4）开发业务及交互逻辑

（5）开发完成后在浏览器中查看最终实现效果

四、常见问题

五、总结

前言

常常听起公司的行政小姐姐反馈AI要是能帮助她们在部门员工考勤记录整理；各种活动文案编写；报表核算和员工培训这些方面提供便利就好了！正好博主最近在研究和学习AIGC，首先，我对新技术非常感兴趣，对于GPT模型也非常好奇。其次，企业越来越需要复合型人才，而GPT能够帮助我快速学习和成长。因此，我决定尝试借助GPT模型的能力来先开发一个简单的AI办公助手Demo试用，来帮助企业运营提升效率，正向反馈后，持续迭代，深度集成到公司内部的办公平台，打磨出一个完整的产品！

当然了，AIGC拥有这么多的能力，那么我们才能独立部署体验呢？首先我们需要部署这些这些大模型，大模型处理的数据量巨大无比，整个处理过程可以分为训练（train）、微调（fine-tune）和推理(inference)。从算力消耗上来说，是训练>微调>推理，训练要比推理的算力消耗高至少3个数量级以上，训练和微调大型语言模型对于硬件资源的要求非常高，对于只是短期使用，自己购买硬件资源价格昂贵显然是不划算的。

最近腾讯云推出了一款“高性能应用服务HAI”，它基于腾讯云GPU云服务器底层算力，提供即插即用的高性能云服务。以应用为中心，匹配GPU云算力资源，助力中小企业及开发者快速部署LLM、AI作画、数据科学等高性能应用，部署起来非常省心！！！博主这次也是亲自体验了一番，从0到1使用腾讯云高性能应用服务 HAI 部署了ChatGLM2-6B 模型来辅助我开发【AI办公助手】，其中的智能生成SQL,智能生成Excel,英文助手等功能都是基于ChatGLM2-6B大模型的API来实现，工作效率提升很多，不到一天时间就完成了全部开发，这里也给大家先看看博主开发的作品成果：

场景1：智能生成sql，自主查询考勤记录及统计请假天数

场景2：智能生成excel，自主计算统计复杂报表

场景3：英文助手，辅助英文文案撰写那么这次应用开发的亲身体验下来，博主还用到了腾讯云编辑器Cloud Studio云来做开发，HAI和Cloud Studio有何优势和便捷之处，以及我是如何来进行【AI办公助手】这款应用的开发呢，且听博主接下来为你娓娓道来~~~

一、腾讯云HAI介绍：

腾讯云高性能应用服务 HAI 是为开发者量身打造的澎湃算力平台。无需复杂配置，便可享受即开即用的GPU云服务体验。在 HAI 中，根据应用智能匹配并推选出最适合的GPU算力资源，以确保您在数据科学、LLM、AI作画等高性能应用中获得最佳性价比。

1、即插即用 · 轻松上手

基于腾讯云GPU云服务器底层算力，提供即插即用的高性能云服务。

2、横向对比 · 青出于蓝

大幅降低GPU云服务器使用门槛，多角度优化产品使用体验，开箱即用

3、多种高性能应用部署场景

腾讯云HAI功能如此强大，开箱即可上手，接着博主就手把手教大家怎么快速搭建并使用AI模型 ChatGLM2-6B~~~

二、腾讯云HAI一键部署并使用ChatGLM2-6B快速实现开发者所需的相关API服务

1、登录高性能应用服务 HAI 控制台

2、点击新建选择 AI模型，输入实例名称

温馨提示：如果没有进阶型的算力方案（2.41元/小时），建议您购买基础型的算力方案（0.88元/小时），并在创建成功后参考实验过程中关闭、重新开启 webui 功能的命令，以提高服务器的性能。

3、等待创建完成后，查看相关状态(预计等待3-8分钟，等待时间不计费)

4、创建完成，查看相关状态

5、查看配置详情

6、（关键环节）使用 JupyterLab 启动 ChatGLM2-6B 提供的API 服务

（1）在算力管理页面，选择进入 jupyter_lab 页面

（2）选择 终端命令

温馨提示：如果您购买使用的是 基础型算力服务器（0.88元/小时） 请您在开始实验前输入以下关闭 webui 功能的命令，提高服务器的性能，以便后续实验能快速正常进行：

apt-get update && apt-get install sudo
sudo apt-get update  
sudo apt-get install psmisc
sudo fuser -k 6889/tcp #执行这条命令将关闭 HAI提供的 chatglm2_gradio webui功能

备注：如果需要重新开启 webui 服务执行以下命令

 python /root/ChatGLM2-6B/web_demo.py --listen --port 6889

（3）输入命令，用于开启 API 服务，到这一步咱们的大模型的调用api就正式开启了,接下来再把服务器的端口设置一下就可以正式调用API了：

cd ./ChatGLM2-6B
python api.py

(4) 回到算力管理界面—新增服务器端口规则

a、选择 编辑规则

b、选择 入站规则 中的添加规则

c、添加入站规则 (来源： 0.0.0.0/0 协议端口： TCP:8000)

（5）服务器端口规则设置完成后，咱们随手写一波python小脚本调用一下api看看能不能调的通

import requests

# 定义测试数据，以及FastAPI服务器的地址和端口
server_url = "http://0.0.0.0:8000"  # 请确保将地址和端口更改为您的API服务器的实际地址和端口
test_data = {
    "prompt": "'你好，发热了怎么办？'",
    "history": [],
    "max_length": 50,
    "top_p": 0.7,
    "temperature": 0.95
}

# 发送HTTP POST请求
response = requests.post(server_url, json=test_data)

# 处理响应
if response.status_code == 200:
    result = response.json()
    print("Response:", result["response"])
    print("History:", result["history"])
    print("Status:", result["status"])
    print("Time:", result["time"])
else:
    print("Failed to get a valid response. Status code:", response.status_code)

ok当看到控制台响应成功并打印了我们需要的数据之后，这里已经大功告成，可以调用服务器的公网IP+8000端口来访问大模型的API接口来开发我们的应用啦~~~

三、AI办公助手代码开发

1、选择腾讯云的云开发编辑器Cloud Stuio，详细使用教程可以看博主另一篇文章

【腾讯云Cloud Studio实战训练营】使用Cloud Studio迅捷开发一个3D家具个性化定制应用-CSDN博客文章浏览阅读1.1w次，点赞44次，收藏40次。Cloud Studio是一个基于云端的开发环境，它可以让程序员在云端进行编写和运行程序。相比传统的本地IDE，Cloud Studio具有以下优势。首先，由于Cloud Studio是基于云端的，只要保证网络连接正常，即使使用配置较低的电脑也可以编写和运行各种吃内存的程序，因为它使用的是云端的资源，与本地电脑的性能无关。其次，Cloud Studio提供了在线预览功能，可以方便地查看代码的效果和运行结果，无需频繁地切换窗口或启动本地服务器；集成AI助手，直接在 Cloud Studio 里唤起 AI代码助https://blog.csdn.net/m0_61243965/article/details/131997078

2、选择模板，快速生成项目

3、项目代码开发

（1）项目生成后，集成并下载开发所需的依赖

（2）配置一下接口的代理，避免本地开发浏览器访问跨域（前端开发都懂）

（3）开发项目界面，这里详细的开发过程就不赘述~

  <div class="home">
    <div class="header">
      <div class="title">AI办公助手</div>
      <div class="menu">
        <div
          class="item"
          v-for="(item, index) in menuList"
          :key="index"
          :class="[activeMenu == item.title ? 'active' : '']"
          @click="selectMenu(item)"
        >
          {{ item.title }}
        </div>
      </div>
    </div>
    <div class="container">
      <div class="example">
        <div class="title">示例</div>
        <div
          class="item"
          @click="setInputValue(item.tip)"
          v-for="(item, index) in activeExample"
          :key="index"
        >
          {{ item.tip }}
        </div>
      </div>
      <div class="content">
        <div class="inputWrap">
          <div class="title">输入</div>
          <el-input
            v-model="inputText"
            :rows="20"
            type="textarea"
            placeholder="请输入"
          />
        </div>
        <div class="outputWrap">
          <div class="title">输出</div>
          <el-input
            v-model="outputText"
            :rows="20"
            type="textarea"
            :disabled="true"
            placeholder="智能生成结果展示"
          />
        </div>
      </div>
      <div class="footBtn">
        <el-button @click="clearAll">清空</el-button>
        <el-button type="primary" @click="chatPost">生成</el-button>
      </div>
    </div>
  </div>

（4）开发业务及交互逻辑

<script setup>
import { ref, onMounted, reactive, toRefs } from "vue";
import axios from "axios";
let menuList = ref([
  { id: 1, title: "智能生成SQL", key: "sql" },
  {
    id: 2,
    title: "智能生成Excel公式",
    key: "excel",
  },
  {
    id: 3,
    title: "英文助手",
    key: "English",
  },
]);
let exampleList = ref({
  sql: [
    {
      tip: "帮我生成查询本月A部门全部人员的考勤记录",
    },
  ],
  excel: [
    {
      tip: "帮我生成根据工时和单价计算项目费用的excel公式",
    },
  ],
  English: [
    {
      tip: "帮我生成一篇英文的活动邀请函，要求比较正式",
    },
  ],
});
let inputText = ref("");
let outputText = ref("");
let activeMenu = ref("智能生成SQL");
let activeExample = ref(null);
onMounted(() => {
  activeExample.value = exampleList.value["sql"];
  console.log(activeExample.value);
});
//选择导航
const selectMenu = (item) => {
  activeMenu.value = item.title;
  activeExample.value = exampleList.value[item.key];
};
//设置输入
const setInputValue = (tip) => {
  inputText.value = tip;
};
//重置
const clearAll = () => {
  // activeMenu.value='智能生成SQL';
  // activeExample.value='sql';
  inputText.value = "";
  outputText.value = "";
};
//gpt对话
const chatPost = () => {
  let test_data = {
    prompt: inputText.value,
    history: [],
    max_length: 5000,
    top_p: 0.7,
    temperature: 0.95,
  };
  axios
    .post("/api", test_data)
    .then(function (response) {
      console.log(response);
      outputText.value = response.data.response;
    })
    .catch(function (error) {
      console.log(error);
    });
};
</script>

（5）开发完成后在浏览器中查看最终实现效果

到这里博主借助高性能应用服务HAI快速开发的一款"AI办公助手"应用，已经全部完成，后续博主会把项目进行部署并把源代码整理开放出来供大家学习~~~

四、常见问题

1、HAI服务器计费问题，需要销毁才能停止计费，希望后续能优化

五、总结

在过去的几个月里，随着ChatGPT、Midjourney、Stable Diffusion等国外产品的快速迭代，以及国内百度、阿里、飞书、网易等大厂发布的大模型，一些设计、研发、自媒体从业者开始感到自危，仿佛他们的工作在AI的洪流中瞬间会被取代。我们希望能借助AI的力量帮助我们解决真实场景中的问题~

之所以选择开发这样一款AI办公助手应用，是根据企业的实际情况和需求，希望帮助公司行政考勤工作提升效率。通过这次使用腾讯云HAl一键部署ChatGLM2-6B 模型来辅助开发【AI办公助手】应用，我深刻感受到了腾讯云HAl在大模型应用部署方面的便捷，概括来说有以下几点：

1、智能匹配算力，多种算力套餐满足不同需求的计算性能。

2、预置主流AI作画模型和LLM大语言模型及常用插件，无需手动部署，支持即开即用。

3、动态更新模型版本，确保模型版本与时俱进，无需频繁操作。

4、支持可视化界面一键登录，方便调优。

可以让开发者高效便捷的使用大模型提供的能力，来提升解决实际场景中的问题。以博主开发的这款【AI办公助手】为例，其中的智能生成SQL,智能生成Excel,英文助手等功能都是基于ChatGLM2-6B大模型的API来实现，使的部分行政人事工作效率提升很多。

总而言之，腾讯云HAl这次给我的体验非常良好，后续会考虑探索腾讯云HAl更多的功能，为工作进行赋能~~~