### Flask 调用千帆大模型 API 的实现 为了将在线大模型的API封装为本地API服务，可以采用Flask框架来构建Web服务器。通过该服务器接收请求并转发给目标大模型的服务端口，再将响应返回给客户端。 #### 创建基础环境 确保安装必要的库文件： ```bash pip install flask requests ``` #### 编写核心代码 下面是一个简单的例子展示如何利用Flask搭建一个能够调用百度文心千帆大模型API的应用程序[^4]。 ```python from flask import Flask, jsonify, request import requests app = Flask(__name__) # 百度文心千帆API配置信息 APP_ID = 'your_app_id' API_KEY = 'your_api_key' SECRET_KEY = 'your_secret_key' def get_access_token(): url = f"https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={API_KEY}&client_secret={SECRET_KEY}" response = requests.post(url) result = response.json() if "access_token" in result: return result["access_token"] else: raise Exception("Failed to obtain access token") @app.route('/predict', methods=['POST']) def predict(): try: data = request.get_json(force=True) # 获取访问令牌 access_token = get_access_token() # 构建请求体 payload = { "text": data['input_text'] } headers = {"Content-Type": "application/json"} # 发送预测请求至百度文心千帆API api_url = f'https://aip.baidubce.com/rpc/2.0/nlp/v1/word_emb_vec?charset=UTF-8&access_token={access_token}' resp = requests.post(api_url, json=payload, headers=headers).json() output = {'result': resp} return jsonify(output), 200 except Exception as e: error_message = str(e) return jsonify({"error": error_message}), 500 if __name__ == '__main__': app.run(debug=True) ``` 此段脚本实现了如下功能： - 定义了一个`get_access_token()`函数用于获取OAuth认证所需的token； - `/predict`路由接受来自用户的输入文本，并将其传递给远程API进行处理； - 返回的结果被整理成JSON格式并通过HTTP响应发送回前端； 请注意，在实际部署前需替换掉模板中的占位符（如`your_app_id`, `your_api_key`, 和 `your_secret_key`)为真实的凭证值。