如何在 Godot 引擎中引入人工智能大模型

前言

首先声明，这不是广告，只是提供一个思路，其它的大模型应该可以用类似的方法部署。

本文是我尝试在 Godot 中引入千帆大模型的记录，由于尚未在网络上查找到类似的教程，因此记录一下相关过程，为其他开发者提供一个简单的参考。我使用的 Godot 引擎版本为 V4.1.3，发布时间是 2023 年 12 月。下面将介绍两部分内容：千帆大模型的部署，Godot 引擎的引用方法。

千帆大模型的部署

千帆大模型的部署包括如下几个步骤。

首先进入千帆大模型，链接https://cloud.baidu.com/product/wenxinworkshop，注册后点击立即使用。

使用之前，首先需要开通服务。进入“在线服务”，选择开通的大模型服务。目前我所使用的 ERNIE-Bot 4.0 大模型公有云在线调用服务价格为 ¥0.12 元/千 tokens。开通后，进入“应用接入”，点击创建应用。

输入应用名称、应用描述，目前，系统会默认勾选全部服务。点击确定，完成创建。

回到“应用接入”部分，可以看到应用列表中已经出现创建的应用，其中 API Key 和 Secret Key 是访问大模型应用的凭证。接下来的部分，是对在线调试的简单介绍，如无兴趣，可直接跳到第二部分，查看如何在 Godot 中访问。

点击“API 文档”，可以在右侧找到 API 在线调试平台的入口。

在线调试平台的第 1 部分用于选择大模型的种类；第 2 部分用于调整模型参数；第 3 部分提供了示例代码和在线的对话测试。这里选择的大模型种类是 ERNIE BOT 4。

参数一栏中，system 参数用于设置大模型的人设，其余参数可自行查阅。

示例代码部分提供了 Python，C# 等语言的示例。根据大模型的选择、参数的配置以及对话测试的内容，示例代码会有所改变。因此，在编写代码的过程中，可以参考这里的示例代码。

Godot 引擎的引用方法

Godot 引擎访问大模型分为两步：第一步，通过 API Key 和 Secret Key 获取应用的 Access_Token；第二步，与应用建立连接并发送请求。这个过程主要用到 HTTPRequest 节点。

首先，在 Godot 引擎中创建一个节点并添加脚本，然后为其创建两个 HTTPRequest 子节点。在这里，我创建了 Node2D 根节点，命名为 QianFan，两个子节点分别命名为 TokenRequest，用于接收 Access_Token 和 AnswerRequest，建立连接。

声明变量 API Key，Secret Key 和 Access Token；定义 GetAccessToken() 函数，用于获取 Access Token。

        var API_KEY = 你的 API Key
        var SECRET_KEY = 你的 Secret Key
        var ACCESS_TOKEN
        func GetAccessToken():
                var url = "https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=" + API_KEY + "&client_secret=" + SECRET_KEY
                $TokenRequest.request(url)

url 的地址可以通过查阅在线调试平台的代码示例获取。

HTTPRequest 请求收到回复后会触发信号，我们在节点中连接 TokenRequest 的信号。

信号的触发函数可以编写成如下形式，收到回复后为 ACCESS _TOKEN 赋值。至此，我们已经获得了访问大模型应用需要的 Access_Token，它是与大模型建立连接的访问凭证。

        func _on_token_request_request_completed(result, response_code, headers, body):
                var json = JSON.parse_string(body.get_string_from_utf8())
                ACCESS_TOKEN = json['access_token']

接下来建立与大模型之间的连接，发起一次对话请求。本文章仅介绍单轮请求的方法，多轮请求和流式传输可以查阅 API 文档。

编写函数：

        func GetResponose():
                var url = "https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/completions_pro?access_token=" + ACCESS_TOKEN
                var text = "请介绍一下你自己"
                var data = {
                "messages": [
                {
                "role": "user",
                "content": text
                }
                ],
                "temperature": 0.99,
                "system": "你扮演一只猫娘，你的回答总是以喵~结尾"
                }
                var json = JSON.stringify(data)
                var headers = ['Content-Type:application/json']
                $AnswerRequest.request(url,headers,HTTPClient.METHOD_POST,json)

其中 url 地址可以通过查阅 API 文档获得。data 结构体中，text 是发给大模型的文本，temperature 和 system 是上一部分所述的模型参数，可自行添加或删减。system 参数用于描述模型的人设。具体可以参考在线调试平台中的示例代码。

同样地，收到回复后会触发信号，我们在节点中连接 AnswerRequest 信号。

触发函数可以编写成如下形式，返回的 json 结构体中的 result 部分即为大模型的回答。

        func _on_answer_request_request_completed(result, response_code, headers, body):
                var json = JSON.parse_string(body.get_string_from_utf8())
                print(json['result'])

调用顺序是 GetAccessToken->收到 TokenRequest 回复->GetResponse->收到 AnswerRequest 回复

在本示例中，系统人设为“你扮演一只猫娘，你的回答总是以喵~结尾”，发送的请求为"请介绍一下你自己"。收到的回复如下：