聆思大模型AI开发套件集成Coze调用GPT-4_coze api

❝

上一篇《大模型赋能开发板被这家公司玩明白了》 我们已经详细介绍了聆思大模型 AI 开发套件以及聆思大模型平台，并实操了基于LLM_control二次开发拓展了天气查询、中英互译的能力。今天我们再来看看聆思大模型 AI 开发套件如何通过Coze Bot 使用 GPT-4 。

整体思路

聆思大模型AI开发套件集成Coze整体思路

首先，介绍几个关键点：

1. Coze 国际版支持 GPT-4 能力，可以将 Bot 部署到 Discord;

2. 借助 coze-discord-proxy 代理 Discord 对话Coze-Bot，实现API形式请求GPT4对话模型/微调模型;

3. 利用 LSPlatform 应用编排中的 http-request 去调用 API 以及联接开发板。

以此整体思路如上图，开发板和聆思大模型平台通过 SDK 拉通；聆听大模型平台应用编排网络节点调用 API；API 由部署在 Zeabur 上的 coze-discord-proxy 服务提供；coze-discord-proxy 服务实现了代理用户在Discord频道中发送信息，并调度两个Discord Bot(一个关联 Coze Bot，一个用来监听Discord消息)。按照交互梳理的流程如下：

• ① “小聆小聆”唤醒，语音交互

• ② 聆思大模型平台 http-request 节点调用 coze-discord-proxy服务

• ③ coze-discord-proxy 内部调用 discord (user)

• ④ discord 调用 coze (coze bot)

• ⑤ coze bot 返回对话

• ⑥ discord 返回对话 （watch bot）

• ⑦ coze-discord-proxy 返回对话

• ⑧ 聆思大模型平台返回对话到开发板

环境变量(coze-discord-proxy相关)

❝

本文默认您已经拥有聆思大模型平台相关账号及权限，如没有请访问 platform.listenai.com。

❝

本文默认您能正常访问 Discord、Coze国际版、Zeabur， 我们尝试了 coze.com 需要全局代理才能正常访问。

部署 coze-discord-proxy 的方式有很多种，本文以部署到 Zeabur 为例，我们需要的环境变量如下：

BOT_TOKEN=[用来监听Discord消息的bot(watch bot)的token]
GUILD_ID=[Discord 两个bot所在的服务器ID]
COZE_BOT_ID=[Discord被coze托管bot的ID]
CHANNEL_ID=[默认频道-在使用与openai对齐的接口时(/v1/chat/completions) 消息会默认发送到此频道]
USER_AUTHORIZATION=[Discord 当前用户的 token]
PROXY_SECRET=[请求头校验的值（前后端统一）,后续接口调用需要的Authorization]
TZ=Asia/Shanghai

保姆级部署 coze-discord-proxy 的教程并非我们编写此文的目的，因此我们会更聚集于部署过程中的重点以及如何在开发板上调用。

详细教程请参考:通过接口调用Coze托管的discord-bot，实现免费使用GPT4和绘画

我们需要在 Discord 平台创建两个 Bot,并获取它们的token，为了方便区分我们姑且称为watch bot 和 coze bot，watch bot 用于监听消息后续需要将它的token配置到环境变量中，coze bot 用于cozen.com 平台发布bot到discord。这两个bot都需要添加到Discord同一个服务器（可新创建）中，并且都要赋予Administrator(管理员)权限。**记录 watch bot 的token，即为 BOT_TOKEN **

coze bot和watch bot

权限配置如下图：

权限配置

添加到同一服务器中，需要复制服务器ID之类的信息时记得先开启Discord开发者模式，具体操作路径(以网页版为例)：点击左下角用户设置图标--新页面点击高级设置--打开开发者模式开关。之后

开发者模式

右键服务器即可显示复制服务器ID，点击即可复制，这就是GUILD_ID：

这就是GUILD_ID

同理右键频道即可显示复制频道ID，点击即可复制，这就是CHANNEL_ID：

这就是CHANNEL_ID

接着我们在coze.com平台开发bot，并发布到discord，这里需要把 discord 中 coze bot 的token填写到coze平台。

discord coze bo

我们这里使用的是 GPT-4 (抱歉盗用了ListenAI，就当推广吧，哈哈，见谅！)：

coze GPT-4

❝

Tips: 如需更高级的自定义Coze Bot，请查看 Coze 文档：

接下来我们测试一下coze bot 有么有发布成功，如有回复那就是正常，并复制coze bot 的id，这就是COZE_BOT_ID：

这就是COZE_BOT_ID

当然，如果此刻您打开了浏览器的调试界面(F12),在 devtool network 还能看到 message 请求，请求头中包含 Authorization ，这就是USER_AUTHORIZATION。之后在 coze-discord-proxy 服务就会代理这个用户来发送消息：

这就是USER_AUTHORIZATION

至此，我们需要的环境变量都准备好了，接下去 zeabur.com 发布 coze-discord-proxy 服务吧。

发布 coze-discord-proxy 服务

这步因为我们使用的是zeabur.com的免费资源，因此部署过程中可能会提示升级套餐之后才给部署。我们的操作是删除再重新创建。

zeabur suspended

部署的前提是需要将 coze-discord-proxy fork 到自己的账号下，方面 zeabur 上使用 git 的方式部署。

zeabur git

基本上都是比较简单的操作，需要注意的是要配置环境变量：

zeabur variable

发布成功之后我们还可自定义访问域名。也能访问到 coze-discord-proxy 服务 swagger 文档：

swagger

至此，我们以及部署了拥有 GPT-4 能力的 API 服务。接下来我们将在聆思大模型平台接入这 API 服务。

聆思大模型平台接入 Coze API

上一篇文章中我们了解到ListenAI大模型平台应用编辑基于Node-RED，有基本的网络相关节点，今天的主角就是http-request节点。话不多说，我们看看文档：

http-request

其实和代码中使用 http 类似，参数也是 url、method、headers 之类的，如果是前端工程师的话，肯定很熟悉这一套操作了。

http-request

请求方式选择POST
 
URL:填写您的Coze API 接口地址，如https://coze.zeabur.app/v1/chat/completions
 
添加头
Authorization值是前文您环境变量中的 PROXY_SECRET，用于简单鉴权
Accept：application/json
Content-Type：application/json
 

细心的小伙伴可能会发现， http-request前面加了一个前处理的节点，这是因为我们要组装发给Coze API的数据格式，可简单定义为：

const content = msg?._input?.content || '';
 
msg._input.content = {
    "channelId": "1210469212355829770",
    "messages": [
        {
            "content": content,
            "role": "user"
        }
    ],
    "model": "",
};
 
return msg;

http-request前置处理

❝

Tips: 此处仅作简单演示，您可自行实现创意节点。

为了确保调用没问题，我们还可以简单的调试一下，确定是使用的 Coze API。（我们暂时没能编排实现接入coze-discord-proxy的流式返回）

聆思大模型AI开发套件接入 Coze API

如同上一篇文章中的拓展开发，我们只需要将闲聊逻辑从调用内置星火认知大模型改为调用 Coze API 即可，开发板端代码无需修改。需要注意的是，处理网页版对话和硬件语音对话略有不同，还需要将返回内容转成语音下发。

• 前处理：

/**
 *  闲聊前置处理节点
 */
const asrResult = msg._input.optAsrResult || msg._input.origin_content;
// 格式化传给API接口的数据
const reqData = {
    "channelId": "",
    "messages": [
        {
            "content": asrResult,
            "role": "user"
        }
    ],
    "model": "",
};
// msg._input.content = reqData
msg._input.content = asrResult;
msg.payload = reqData
return msg;
 

• 后处理

//大模型回复内容
let content = msg.payload.choices[0]?.message?.content || '';
 
msg._output = {
    stream: true
}
 
msg.payload = {
    "text": content
}
 
return msg

最后记得重新部署，在端侧就能体验到 GPT-4 了。

❝

Tips: 流式输出的接口是有的，但对接出了的问题，http-request 有一定的局限性，后续可以尝试使用 axios 等模块实现。