能解决什么问题？

智谱 GLM 是国内最活跃的大模型家族之一，背后是清华系团队。它能帮你做很多事：写代码、总结长文档、做客服机器人、批量处理表格数据、生成文案、搭建知识库问答。最直接的价值是——你不需要自己训练模型，只要通过 API 调用，就能把大模型能力嵌入到自己的产品、脚本或工作流里。而且智谱开放平台国内可直连，注册简单，新用户通常还有免费额度，试错成本很低。

本文就围绕「怎么用起来」来写：从注册拿 Key，到写第一行调用代码，再到几个高频场景的实操模板，最后聊聊省钱和提效的进阶技巧。

准备工作：注册与入口

第一步，打开浏览器搜索「智谱开放平台」或直接访问 bigmodel.cn。这是智谱官方面向开发者的入口，不是聊天产品「智谱清言」，两个站点不一样，别搞混。

• 注册账号：点击页面右上角的「注册/登录」，支持手机号验证码注册，也可以用微信扫码。按提示完成实名认证，国内平台基本都要求这一步。
• 获取 API Key：登录后进入控制台，找到「API Keys」或「密钥管理」菜单，点击「创建新的 API Key」，复制生成的密钥。注意：密钥只显示一次，务必先粘贴到安全的地方，别截图发群里。
• 查看免费额度：控制台通常有「资源包」或「账户余额」页面，新用户会赠送一定 token 额度。先确认额度，避免调用时余额不足报错。
• 确认模型名称：在「模型广场」或文档里找到你要用的模型 ID，比如 glm-4-flash、glm-4-plus 等。不同模型价格和能力不同，先记下名称。

准备工作就这些，全程不需要信用卡，国内手机号即可。

分步骤实操：从零跑通第一次调用

下面以 Python 为例，因为绝大多数教程和 SDK 都基于它。如果你用其他语言，逻辑一样，只是换 SDK。

1. 安装 SDK。打开终端或命令行，输入：pip install zhipuai。如果提示 pip 版本旧，先执行 python -m pip install --upgrade pip。国内网络直接装，不用换源也能成功。
2. 写第一段代码。新建一个文件，比如 test_glm.py，输入以下内容：
   

   from zhipuai import ZhipuAI
   client = ZhipuAI(api_key="你的API Key")
   response = client.chat.completions.create(
       model="glm-4-flash",
       messages=[{"role": "user", "content": "用一句话介绍你自己"}]
   )
   print(response.choices[0].message.content)

   把「你的API Key」替换成第一步复制的那串字符。
3. 运行代码。终端里执行 python test_glm.py。如果一切正常，你会看到模型返回的一句自我介绍。第一次调用可能稍慢，几秒内出结果都算正常。
4. 理解消息结构。messages 是一个列表，每个元素有 role 和 content。role 可以是 system（设定角色）、user（用户输入）、assistant（模型回复）。多轮对话就是把历史消息都塞进列表，顺序别乱。例如：
   

   messages=[
     {"role": "system", "content": "你是一个简洁的助手"},
     {"role": "user", "content": "推荐三本 Python 入门书"}
   ]

5. 调整参数。在 create 里可以加 temperature（0 到 1，越大越随机）、max_tokens（限制回复长度）、stream（是否流式输出）。做事实性任务建议 temperature 设 0.1 到 0.3；做创意文案可以设 0.7 以上。stream=True 时，返回是迭代器，需要循环打印增量内容。
6. 查看用量。每次调用后回到控制台「用量统计」页面，能看到消耗的 token 数和剩余额度。养成习惯，避免跑批量任务时突然欠费。

到这里，你已经跑通了最基础的调用。接下来是几个高频场景的玩法。

场景一：批量总结文档

把长文本分段，每段调用一次模型，prompt 写「请用三句话总结以下内容」。注意单次输入别超过模型上下文上限，glm-4 系列一般支持 128K 左右，但实际使用建议分段处理，既省 token 又稳。

场景二：代码助手

在 messages 里加 system 提示：「你是一个资深 Python 工程师，回答只给代码和简短注释」。然后把你报错信息或需求贴进去。实测 glm-4-plus 写常规脚本足够用，复杂算法需要多轮追问。

场景三：结构化提取

让模型从一段文本里抽字段，比如「从下面的简历中提取姓名、电话、邮箱，输出 JSON」。prompt 里明确「只输出 JSON，不要解释」，然后拿返回值直接 json.loads。如果偶尔格式错，加一句「如果字段缺失填 null」。

进阶技巧

提醒：不要把 API Key 写在前端代码或公开仓库里，一旦泄露可能被刷爆额度。建议放在环境变量或后端服务中。

常见问题

Q1：调用报错「API Key 无效」怎么办？
先检查密钥前后有没有多余空格，再确认控制台里这个 Key 是否被禁用或删除。如果最近重置过，旧 Key 会失效。另外，确保代码里没有把 api_key 写成别的字段名。

Q2：返回内容被截断了？
大概率是 max_tokens 设小了。把它调大，比如从 100 调到 1000。如果模型本身回答就长，也可以直接在 prompt 里说「请分点回答，控制在 200 字内」。注意：max_tokens 是输出上限，不是输入上限，输入过长会报上下文超限。

Q3：免费额度用完了，怎么最省？
优先用 glm-4-flash 这类轻量模型跑日常任务；批量任务先小样本测试 prompt，确认稳定再全量跑；开启流式输出可以提前结束不必要的长回答；最后，定期看用量报表，找出消耗最大的调用并优化。如果长期用，可以关注官方的资源包活动，通常比按量付费划算。

总的来说，智谱 GLM 的上手门槛很低，注册、拿 Key、写几行代码就能跑通。真正决定效果的是 prompt 设计和模型选择，多试几次就能找到手感。