在自动化脚本中如何使用大语言模型（LLM）？

一、概述大语言模型Large Language Model, LLM近年来在自然语言处理领域取得了突破性进展广泛应用于自动聊天、智能客服、内容生成、代码辅助等场景。与一般通过HTTP SDK调用第三方大模型API的方式不同冰狐平台将LLM调用封装为原生对象BigModel通过统一的接口屏蔽了不同模型提供商之间的差异使得开发者可以用几乎相同的代码切换不同的模型后端。这种设计既降低了学习成本也提升了代码的可维护性。二、核心APIBigModel 对象冰狐平台中大语言模型功能的核心是BigModel构造函数及其invoke方法。2.1 构造函数new BigModel(type, custom_data_key, custom_data_secret, options)参数说明如下参数名类型必填说明typeinteger是模型类型百度千帆为1DeepSeek为2豆包为3千问为4custom_data_keystring是存储在平台自定义数据Custom Data中的Key名称custom_data_secretstring是存储在平台自定义数据中的Secret名称optionsobject否模型参数默认值为{model:, temperature:0.7, maxTokens:1024}其中type参数决定了调用哪家模型提供商的API。目前冰狐支持四种主流模型百度千帆文心一言、DeepSeek、豆包和千问。custom_data_key和custom_data_secret是两个关键的安全设计。开发者的API Key和Secret并非硬编码在脚本中而是存放在冰狐平台的“自定义数据”功能中脚本运行时通过名称动态读取。这种方式有效避免了敏感信息泄露的风险尤其适合在多人协作或需要将脚本部署到生产环境的场景中使用。options参数用于控制模型生成行为常见的配置项包括model指定具体的模型名称如ernie-bot-4、deepseek-chat等留空时使用该类型下的默认模型temperature控制生成结果的随机性取值范围通常为0~1值越低输出越确定maxTokens限制生成内容的最大长度2.2 invoke 方法bm.invoke(prompt)invoke方法用于向大语言模型发送请求并获取返回的字符串结果。其参数prompt支持两种形式形式一字符串单轮对话直接传入一个字符串作为用户提问var ret bm.invoke(冰狐智能辅助是什么)形式二数组多轮对话传入一个消息数组支持system、user、assistant等角色适用于需要上下文的多轮对话场景var arr [ {system: 你是深度学习领域专家}, {user: 请用python语言实现一个简单的图像分类程序} ] var ret bm.invoke(arr)数组中的每条消息是一个对象键名为角色名称system/user/assistant键值为对应的消息内容。这种方式使得开发者可以灵活构建包含系统指令、历史对话和当前提问的完整上下文。三、实际使用示例3.1 调用百度千帆文心一言百度千帆是百度智能云推出的模型服务平台旗下的文心一言系列模型在国内应用广泛。在冰狐平台中调用百度千帆的步骤如下获取密钥从百度千帆官网注册并获取 API Key 和 Secret Key。配置自定义数据在冰狐平台的自定义数据中创建两条记录分别用于存储 Key 和 Secret。假设名称分别为custom_data_key和custom_data_secret。编写脚本function main() { // 创建BigModel实例type1表示百度千帆 var bm new BigModel(1, custom_data_key, custom_data_secret) var ret bm.invoke(冰狐智能辅助是什么) console.log(ret:, ret) }执行上述脚本后控制台将输出文心一言模型对“冰狐智能辅助是什么”这一问题的回答。3.2 调用 DeepSeekDeepSeek 是近年来备受关注的大语言模型之一以其高性价比和优秀的推理能力著称。冰狐平台同样提供了对 DeepSeek 的原生支持获取密钥从 DeepSeek 官网获取 API Key。配置自定义数据在冰狐平台的自定义数据中创建一条记录存储 KeySecret 可留空。编写脚本function main() { // 创建BigModel实例type2表示DeepSeeksecret参数传空字符串 var bm new BigModel(2, custom_data_key, , {temperature: 0.8}) // 使用数组形式构建多轮对话 var arr [ {system: 你是深度学习领域专家}, {user: 请用python语言实现一个简单的图像分类程序} ] var ret bm.invoke(arr) console.log(ret:, ret) }在这个例子中我们通过options参数将temperature设置为 0.8以获得更具多样性的回答。同时使用了数组形式的prompt先通过system指令设定模型角色为“深度学习领域专家”再提出具体的编程问题。四、设计思路与最佳实践4.1 安全性优先的密钥管理冰狐平台将 API 密钥存储在“自定义数据”中而非脚本代码中这是一个值得称赞的设计决策。在实际开发中开发者应始终遵循这一原则永远不要在脚本中硬编码任何 API Key 或 Secret通过冰狐平台的自定义数据功能统一管理所有敏感配置不同环境开发、测试、生产可使用不同的自定义数据集4.2 统一接口带来的可移植性由于BigModel对不同模型提供商提供了统一的调用接口开发者可以在不修改业务逻辑的前提下切换模型后端。例如只需将构造函数中的type从1百度千帆改为2DeepSeek并更新对应的自定义数据 Key 名称即可完成模型切换。这种设计极大地提升了代码的灵活性和可扩展性。4.3 多轮对话的灵活构建invoke方法对数组形式prompt的支持使得冰狐平台能够轻松实现复杂的对话场景。开发者可以通过system消息设定模型的角色和行为准则通过多条user和assistant消息维护对话历史在每轮对话中动态构建新的消息数组这种设计让冰狐平台的大语言模型能力不仅仅局限于简单的问答而是可以支撑智能客服、教育辅导、代码助手等复杂应用场景。五、总结冰狐智能辅助平台通过BigModel对象和invoke方法为开发者提供了一套简洁、安全、统一的大语言模型调用方案。其核心特点可归纳为多模型支持覆盖百度千帆、DeepSeek、豆包、千问等主流模型安全密钥管理通过自定义数据存储 API 凭证避免硬编码风险统一调用接口一套代码即可对接不同模型提供商灵活的对话构建支持单轮字符串和多轮数组两种prompt形式可配置的生成参数支持temperature、maxTokens等常用参数调节对于希望在冰狐平台上快速集成大语言模型能力的开发者而言理解并掌握BigModel的使用方法是迈向智能化应用开发的第一步。无论是构建自动问答系统、内容生成工具还是智能辅助功能冰狐平台提供的大语言模型能力都能成为得力的技术支撑。