--- title: "02-doubao_api" created: 2026-04-02 tags: - 项目 aliases: - doubao_api --- # doubao_api.py ### `doubao_api.py` — 豆包大模型接口（核心） `call_gpt` / `call_gpt_system` 双接口；`fix_return_json` 清理大模型返回内容中的 Markdown json 代码围栏包裹符，保证返回纯 JSON。业务逻辑最重：提取职位 20-30 个维度的精细字段。 ## 代码 ```python # -*- coding: utf-8 -*- # @Time : 2025/2/17 16:39 # @Author : chang # 导入时间模块，用于延时、时间相关操作 import time # 导入火山引擎方舟大模型 SDK from volcenginesdkarkruntime import Ark # 导入系统模块，用于修改 Python 路径 import sys # 将上级目录加入模块搜索路径，方便导入工具类 sys.path.append('../') # 导入日志工具，用于记录运行日志、错误日志 from utils import ner_logger # 导入邮件发送工具，用于异常时发送告警邮件 from utils_log import send_email # 火山引擎方舟 API Key（身份凭证） api_key = "99458ecf-4a8e-4e2a-ad96-246caf5fd213" # 调用的大模型 ID（当前使用的模型） model_id = "ep-20250613142735-f4xrw" # 旧模型 ID（已注释，备用） # model_id = "ep-20250219151347-fspmw" # 模型名称拼接，用于日志标识 model_name = f"model:deepseek ,model_id:{model_id}" def fix_return_json(_text): """ 清理大模型返回内容中的 Markdown 格式符号 主要用于去掉 ```json ``` 包裹符，保证返回纯 JSON 字符串 """ # 去掉开头的 ```json _text = _text.replace("```json", "") # 去掉结尾的 ``` _text = _text.replace("```", "") return _text def call_gpt(prompt, isjson=False) -> str: """ 调用 deepseek 大模型接口（基础版） :param prompt: 输入给 AI 的提示词 :param isjson: 是否要求返回 JSON 格式 :return: (是否成功, 返回内容) """ # 提交请求 try: # 记录原始请求日志 ner_logger.info(f"doubao-deepseek old:\n {prompt}") # 初始化火山引擎方舟客户端 client = Ark(api_key=api_key) # 构造消息体：系统角色 + 用户提问 messages = [{"role": "system", "content": "你是根据用于分析招聘数据、提取结构化信息的AI机器人"}] messages.append({"role": "user", "content": prompt}) # 调用大模型聊天接口 completion = client.chat.completions.create( model=model_id, # 模型ID messages=messages, # 对话消息 temperature=0, # 温度（0=最稳定、不发散） max_tokens=12288, # 最大输出长度 top_p=0.2, # 核采样，控制随机性 frequency_penalty=0, # 频率惩罚 presence_penalty=0, # 存在惩罚 stop=None # 停止符 ) # 将返回对象转为字典，方便取值 completion = completion.to_dict() # 提取 AI 返回的内容 content = completion["choices"][0].get("message").get("content") # 清理返回内容中的 Markdown 符号 _value_str = fix_return_json(content) # 返回成功 + 结果 return True, _value_str except Exception as e: # 捕获异常，打印堆栈 import traceback traceback.print_exc() # 记录错误日志 ner_logger.error(f"doubao error:{e}") # 发送错误告警邮件 send_email(f"doubao error:{e}
{prompt}") # 最终失败返回 return False, "大模型处理失败[openai][48]" def call_gpt_system(prompt, isjson=False) -> str: """ 调用 deepseek 大模型接口（系统提示词增强版） 专门用于招聘数据抽取，强制 JSON 输出 :param prompt: 提示词 :param isjson: 是否 JSON 格式 :return: (是否成功, 返回内容) """ # 组建消息体：系统角色（更严格） message_text = [{"role": "system", "content": "你是用于分析招聘数据、提取结构化信息的AI机器人，帮助用户分析请求的数据，返回符合要求的json格式的数据"}] # 添加用户输入 message_text.append({"role": "user", "content": prompt}) # 记录请求日志 ner_logger.info(f"{model_name}:\n {prompt}") # 初始化返回值 _value_str = "" # 提交请求 try: # 初始化客户端 client = Ark(api_key=api_key) # 调用模型 completion = client.chat.completions.create( model=model_name, messages=message_text, response_format={"type": "json_object"} if isjson else None, # JSON 格式控制 temperature=0, max_tokens=12288, top_p=0.1, frequency_penalty=0, presence_penalty=0, stop=None, timeout=60 * 6 # 超时时间 6 分钟 ) # 转字典 completion = completion.to_dict() # 获取返回结果 choices = completion.get("choices") if choices: message = choices[0].get("message") if message: _value_str = message.get("content") # 记录返回结果 ner_logger.info(f"{model_name} return :\n{_value_str}\n") # 清理格式 _value_str = fix_return_json(_value_str) return True, _value_str except Exception as e: # 异常捕获 import traceback traceback.print_exc() ner_logger.error(f"openai error:{e}") # 失败返回 return False, "大模型处理失败[openai][79]" def getVers(): """ 获取当前使用的模型版本信息 """ return model_name # ====================== 测试用提示词（职位信息抽取） ====================== demo_str = ''' # 指令 我将提供一段公司官网“职位信息”的内容，你需要从中提取以下信息，并输出为JSON格式: 1.职位名/岗位名称(JobTitle) 2.发布日期/开始日期(PublishTime) 3.到期日期/截止日期/结束日期(CutDate) 4.学历(Degree)：可能是多个，不重复，是个数组，可选择：“大专”，“大专及以上”、“本科”、“本科及以上”、“硕士”、“硕士/MBA”、“研究生”、“硕士及以上”、“研究生及以上”、“博士” 5.年龄要求(Age)：对候选人的岁数要求如：“18-25岁”、“40岁及以上”等 6.职位薪资(Salary)：职位的薪资情况，如：“面议”、“6k-8k”、“8k-10k”等 7.招聘人数(JobNum)：职位招聘的具体人数，如：“1人”等 8.工作年限(WorkYears)：工作经历具体年限要求，如：“1年及以上”、“5-8年”、“10年以下”等，如果是中文数字如一二三等转换成阿拉伯数字，只要年限取大的即可，无经验为空 9.专业要求(MajorRequirement) 10.工作地点(WorkPlace)：岗位所在城市、工作地区、公司所在地、工作地点、职场坐标、国外国家及地区，可能是多个，用逗号分隔，不要输出数组 11.详细地址(Address) 12.工作类型(HopeWorkType)：可选择：全职/兼职/实习等，注意职位要求的经验不能当工作类型 13.所属部门/工作部门/公司(JobDept) 14.职位描述/职位职责/工作职责/岗位职责(JobDescribe),保留原文中的换行符号,(职位描述/职位职责/工作职责/岗位职责)都为JobDescribe 15.职位要求/工作要求/任职要求/任职资格(Jobreq),保留原文中的换行符号，(职位要求/工作要求/任职要求/任职资格)都为Jobreq 16.暑期实习(SummerInternship)：可选择：有/无 17.转正机会(RegularEmployee) ： 可选择：有/无 18.职业类别(JobCategory)： 职位为的分类，如 职能 、技术、运营、市场、人事、财务、行政、客服、销售、市场、人事、财务、行政、客服、销售、市场等 19.技能标签(Skills)：提取最多5个关键词，如：python、java、大数据等 20.行业要求(IndustryRequirement) 21.语言要求(LanguageRequirement) 21.证书要求(CertificateRequirement) 22.工作时间(WorkTime) 23.工资结算方式(SalaryPayment) 24.院校要求(SchoolRequirement) #Rules： 1. 职位信息中没有提及的信息，输出空即可； 2. 完全按照原文输出，不需要加工。 3. 你所需要的全部内容都在[webpage X begin]...[webpage X end]中，不能虚构内容。 4. 如果存在多职位，那么只返回第一个职位信息即可 5. 今天是2025-04-29 [webpage X begin] SSC实习生8013广州市-天河区2025-04-22发布大专无经验招聘1人工作职责1、员工档案归档：负责人事档案扫描和录入工作，按要求完成档案扫描及装订归档，并录入系统；协助归档离职员工资料，并按要求打包存库； 2、入职手续办理：协助办理员工入职手续的系统录入； 3、系统信息整理：协助日常人事档案材料收集、建立，完善HRIS系统人事信息； 4、团队协作：其他临时性事项处理、支持。任职要求1、学历：大专以上学历，档案管理、中文、人力资源、文秘或相关专业 2、相关工作经验优先 [webpage X end] ''' if __name__ == '__main__': # 测试调用大模型 ask = call_gpt(demo_str) print(ask) ``` --- **项目分区导航**：[[01-deepseek_api|deepseek_api]] ⬅️ | 02-doubao_api | ➡️ [[03-doubao_api_new|doubao_api_new]]