腾讯云遨驰终端自定义 AI 模型-操作指南-文档中心-腾讯云

OrcaTerm 专业版专属能力之自定义 AI 模型能力，帮助用户能够通过编写代码来配置第三方 AI 模型。这种方式不仅提高了用户对 AI 模型的控制力，也使得用户可以根据自己的需求和偏好，定制化地配置 AI 模型。这种配置方式的灵活性和便捷性，使得用户可以更好地利用 AI 模型，从而实现更高效的工作流程和更优质的结果。 
模型脚本
目前支持 Nodejs18.15/Python3.6。
参数说明
参数
说明
示例值
messages
聊天历史信息，每条信息包含角色和内容
[
 { "role": "user", "content": "你是谁 },
 { "role": "assistant", "content": "我是 OrcaTerm AI" },
 { "role": "user", "content": "Ubuntu 下如何安装 lszrz?" }
]
app.getEnv
获取 AI 模型中配置的环境变量
app.getEnv('api_token')
返回参数
说明
示例值
{ role: 'assistant', content: string }
AI 回复信息
{
 "role": "assistant",
 "content": "我是 OrcaTerm AI 助手，专门帮助用户在终端或命令行下完成各种任务。如果您有任何问题，请随时问我！"
}
异常响应
返回参数
说明
示例值
{ error: string }
异常错误
{ "error": "Invalid API-key provided." }
脚本示例
说明：
仅供参考。
阿里云通义大模型
Nodejs18.15
Python3.6
async function orcatermScript(messages, app) {
  const requestData = {
    model: 'qwen-turbo',
    input: {
      messages:messages
    },
    parameters: {
      result_format: 'message'
    }
  };

  const response = await fetch('https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation', {
    method: 'POST',
    headers: {
      Authorization: 'Bearer '+ app.getEnv('api_token'),
      'Content-Type': 'application/json'
    },
    body: JSON.stringify(requestData)
  });

  const data = await response.json();
  if (data.code) {
    return {error: data.message};
  }
  return data.output.choices[0].message;
}
import requests

def orcaterm_script(messages, app):
    request_data = {
        'model': 'qwen-turbo',
        'input': {
            'messages': messages
        },
        'parameters': {
            'result_format': 'message'
        }
    }

    headers = {
        'Authorization': 'Bearer ' + app.getEnv('api_token'),
        'Content-Type': 'application/json'
    }

    response = requests.post(
        'https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation',
        headers=headers,
        json=request_data
    )

    # 解析响应
    data = response.json()
    if 'code' in data and data['code']:
        return {'error': data['message']}

    return data['output']['choices'][0]['message']
操作步骤
1. 登录 OrcaTerm 控制台。
2. 选择 OrcaTerm 界面工具栏中的设置，打开设置页面。
?
?
?
3. 在设置弹窗中单击 OrcaTerm AI。
?
?
?
4. 单击添加模型，按照参数说明和脚本示例编写脚本，如果 token 等信息有使用到 app.getEnv 则注意要填写环境变量。
安全说明：
为防止代码泄露导致密钥暴露和资源安全风险，避免在代码中直接写入密钥信息。建议将密钥存入环境变量，我们会存入密钥托管进行管理，确保信息安全。
?
?
?
?
?
?
5. 单击保存，由于模型部署/更新需要时间，大概需要十几秒等待部署成功。
6. 单击选中刚才添加的模型。
7. 唤起 AI 聊天 AI 命令进行操作，此时 AI 请求即会使用该自定义模型。
说明：
自定义 AI 模型不会消耗 AI 问答次数额度。
?
?
?
?
?
?

参数	说明	示例值
messages	聊天历史信息，每条信息包含角色和内容	[ { "role": "user", "content": "你是谁 }, { "role": "assistant", "content": "我是 OrcaTerm AI" }, { "role": "user", "content": "Ubuntu 下如何安装 lszrz?" } ]
app.getEnv	获取 AI 模型中配置的环境变量	app.getEnv('api_token')

返回参数	说明	示例值
{ role: 'assistant', content: string }	AI 回复信息	{ "role": "assistant", "content": "我是 OrcaTerm AI 助手，专门帮助用户在终端或命令行下完成各种任务。如果您有任何问题，请随时问我！" }

自定义 AI 模型

本页目录：

模型脚本

参数说明

异常响应

脚本示例

阿里云通义大模型

操作步骤