这个接入deepseek 太棒了，全面AGI时代已经来了

小程序这波操作 遥遥领先！

直播企微相关实战，欢迎提前准备好账号和💻

将deepseek接入政务服务指南，引导用户办事服务，还是很棒的

1. 在开始调用 AI 大模型之前，要仔细阅读微信云开发的相关文档以及所选用的 AI 大模型的接口说明。明确接口的调用方式、参数要求、数据格式等信息。例如，对于一些自然语言处理的大模型，要了解输入文本的最大长度限制、支持的语言类型等。同时，合理配置云开发环境的资源，确保有足够的计算和存储能力来支持调用操作。
2. 通过微信云开发的云函数来实现对 AI 大模型的调用是比较常见的方式。在云函数中，使用相应的 HTTP 客户端库（如 axios 等）来发送请求到 AI 大模型的接口。在请求中，按照要求设置好请求头（如 API 密钥等身份验证信息）和请求体（包含输入数据）。例如，在调用图像生成类的大模型时，请求体中可能需要包含对图像的描述信息。调用成功后，对返回的结果进行解析和处理，根据业务需求进行进一步的操作。
3. 在微信小程序或公众号中集成智能客服功能，通过调用 AI 大模型，客服能够自动回答用户的常见问题，如产品咨询、售后服务等。例如，对于一个电商小程序，用户询问关于商品的尺寸、材质、配送时间等问题时，智能客服可以快速准确地给出答案，提高用户体验和客服效率。

接入deepseek，是不是可以做一个小程序直接根据身体信息生成减脂餐计划，感觉不错呢

小程序里面调用大模型怎么算钱？速度会有限制吗

我看没有人用Taro写，我来一篇，博客链接：https://juejin.cn/post/7471083761007607858

---

theme: smartblue

---

昨天一大早发现腾讯官方的小程序集成了DeepSeek，元宝也接入了DeepSeek，之前一直想接入DeepSeek的api，但是官方服务器一直繁忙，这次终于来了个靠谱的，赶紧试用一下

# 一、查看官方文档

1、来到腾讯云官方，官方已经给了示例代码

<https://tcb.cloud.tencent.com/dev?envId=cloud1-3g3yv9yl9f7a7b76#/ai?tab=home>

2、而且云开发官方直接内置了AI大模型功能，这下只要开通了云开发就能直接在小程序里使用，不需要安装其他多余的库了，非常棒！！！


# 二、初始化Taro项目

1.  来到[Taro官方](https://docs.taro.zone/docs/)，按这里指引就可以创建了，不多赘述了

2.  执行命令，先安装 taro脚手架，`npm install -g @tarojs/cli` ，当然也可以用npx更简单


3.  然后初始化模版 `taro init myApp`


4.  接着快速安装一下依赖


5.  然后就可以起项目了，用vscode打开，终端输入命令`npm run dev:weapp`，用微信开发者功能打开dist



# 三、获取云开发的环境Id

1.  点击左上角云开发，如果是灰色，需要自行开通


2.  复制拿到云开发id，接着开始代码部分


# 四、接入DeepSeek

1.  我准备了一个非常简陋的模版做试用，上面一个简单的输入框，点击下方按钮发送消息，然后接收发来的消息，测试过了，速度非常快


2.  这是模版代码

<!---->

    <View>

          <View>

            {messages.map((message, index) => (

              <View

                key={index}

                className={message.role === "user" ? "user" : "assistant"}

              >

                <Text>-{message.role}:</Text>

                <Text>{message.content}</Text>

              </View>

            ))}

          </View>

          <Input

            type="text"

            value={inputValue}

            placeholder="请输入内容"

            onInput={(e) => setInputValue(e.detail.value)}

          />

          <Button onClick={handleSend}>Send</Button>

        </View>

3.  这里我封装了一个utils文件，方便之后在别的地方调用


4.  因为官方的typescript还没有更新extend，所以按照官方的方法会报类型错误，所以这里直接把Taro.cloud声明为any，当然按照官方也没有问题，类型报错不影响运行


5.  接着我们创建DeepSeek模型，简单的调用一下生成文本大模型，接收用户消息，然后生成内容返回


6.  混元模型也是同样的，这里是完整的util代码

<!---->

    import Taro from "@tarojs/taro";

    export const initAIModel: any = (modelName = "hunyuan-exp") => {

      Taro.cloud.init({

        env: "cloud1-xxxx", // 需替换为实际使用环境 id

      });

      const cloud = Taro.cloud as any;

      console.log("initAI", cloud.extend);

      const AI = cloud.extend.AI;

      return AI.createModel(modelName); // 创建模型

    }

    export const HyAIModel = initAIModel();

    export const getHyText = async ({content}:{content: string}) => {

      const res = await HyAIModel.generateText({

        model: "hunyuan-lite",

        messages: [{ role: "user", content }],

      });

      console.log(res);

      return res.choices[0].message

    };

    export const DsAIModel = initAIModel("deepseek");

    export const getDsText = async ({content}:{content: string}) => {

      const res = await DsAIModel.generateText({

        model: "deepseek-r1",

        messages: [{ role: "user", content }],

      });

      console.log(res);

      return res.choices[0].message

    };

7.  然后我们来到首页，先初始化，然后调用

<!---->

    import { DsAIModel, getDsText } from "@/utils/aiUtil";

    import { Button, Input, Text, View } from "@tarojs/components";

    import { useEffect, useState } from "react";

    function TxaiChat() {

      const [messages, setMessages] = useState<any>([]);

      const [inputValue, setInputValue] = useState("");

      useEffect(() => {

        console.log("DsAIModel", DsAIModel);

      }, []);

      const handleSend = () => {

        if (inputValue.trim()) {

          setMessages([...messages, { content: inputValue, role: "user" }]);

          setInputValue("");

          // Simulate AI response

          getDsText({ content: inputValue }).then((res) => {

            console.log("getHyText", res);

            setMessages([

              ...messages,

              { content: inputValue, role: "user" },

              { ...res },

            ]);

            console.log("messages", messages);

          });

        }

      };

      return (

        <View>

          <View>

            {messages.map((message, index) => (

              <View

                key={index}

                className={message.role === "user" ? "user" : "assistant"}

              >

                <Text>-{message.role}:</Text>

                <Text>{message.content}</Text>

              </View>

            ))}

          </View>

          <Input

            type="text"

            value={inputValue}

            placeholder="请输入内容"

            onInput={(e) => setInputValue(e.detail.value)}

          />

          <Button onClick={handleSend}>Send</Button>

        </View>

      );

    }

    export default TxaiChat;

8.  最后我们测试一波，速度还是比较快的


体验了 说句实话 你们产品真是有问题 花大把精力做Agent 这东西对开发者来说有毛用 我们又不是直接C端想用Agent卖钱 真要做 作为开发者 我自己不知道做RAG啊

Funtion Calling倒有用 但是在基础库就是不开 基础库还费这么大精力搞Agent bot

基础库不支持也行 但是调用@cloudbase/js-sdk库又跟粑粑一样 感觉这库都没有测试 直接开发完了就推上去 照着官网用都能报错 服了

我要是在你们公司 高低得给你们部门GM发邮件吐槽这个事情 GM不管 我就直接跟pony说

个人认证小程序不允许自己做 AI 相关应用，这个策略真的没搞懂为什么？