日本熟妇hd丰满老熟妇,中文字幕一区二区三区在线不卡 ,亚洲成片在线观看,免费女同在线一区二区

首次調用通義千問API

百煉支持通過API調用大模型,涵蓋OpenAI兼容接口、DashScope SDK等接入方式。

說明

如果您已經熟悉大模型調用,也可以直接查看API參考文檔通義千問

本文以通義千問為例,引導您完成大模型API調用。您將了解到:

  • 如何獲取API Key

  • 如何配置本地開發環境

  • 如何調用通義千問API

賬號設置

  1. 注冊賬號:如果沒有阿里云賬號,您需要先注冊阿里云賬號。

  2. 開通百煉:前往百煉控制臺,如果頁面頂部顯示以下消息,您需要開通百煉的模型服務,以獲得免費額度。如果未顯示該消息,則表示您已經開通。

    image

  3. 獲取API Key:在控制臺的右上角選擇API-KEY,然后創建API Key用于通過API調用大模型。

    image

配置API Key到環境變量

建議您把API Key配置到環境變量,從而避免在代碼里顯式地配置API Key,降低泄漏風險。

配置步驟

Linux系統

添加永久性環境變量

如果您希望API Key環境變量在當前用戶的所有新會話中生效,可以添加永久性環境變量。

  1. 執行以下命令來將環境變量設置追加到~/.bashrc 文件中。

    # 用您的 DashScope API Key 代替 YOUR_DASHSCOPE_API_KEY
    echo "export DASHSCOPE_API_KEY='YOUR_DASHSCOPE_API_KEY'" >> ~/.bashrc

    也可以手動修改~/.bashrc 文件。

    手動修改

    執行以下命令,打開~/.bashrc 文件。

    nano ~/.bashrc

    在配置文件中添加以下內容。

    # 用您的 DashScope API Key 代替 YOUR_DASHSCOPE_API_KEY
    export DASHSCOPE_API_KEY="YOUR_DASHSCOPE_API_KEY"

    在nano編輯器中,按Ctrl + X,接著按Y,再按Enter以保存并關閉文件。

  2. 執行以下命令,使變更生效。

    source ~/.bashrc
  3. 重新打開一個終端窗口,運行以下命令檢查環境變量是否生效。

    echo $DASHSCOPE_API_KEY

添加臨時性環境變量

如果您僅希望在當前會話中使用該環境變量,可以添加臨時性環境變量。

  1. 執行以下命令。

    # 用您的 DashScope API Key 代替 YOUR_DASHSCOPE_API_KEY
    export DASHSCOPE_API_KEY="YOUR_DASHSCOPE_API_KEY"
  2. 執行以下命令,驗證該環境變量是否生效。

    echo $DASHSCOPE_API_KEY

macOS系統

添加永久性環境變量

如果您希望API Key環境變量在當前用戶的所有新會話中生效,可以添加永久性環境變量。

  1. 在終端中執行以下命令,查看默認shell類型。

    echo $SHELL
  2. 根據默認shell類型進行操作。

    Zsh
    1. 執行以下命令來將環境變量設置追加到 ~/.zshrc 文件中。

      # 用您的 DashScope API Key 代替 YOUR_DASHSCOPE_API_KEY
      echo "export DASHSCOPE_API_KEY='YOUR_DASHSCOPE_API_KEY'" >> ~/.zshrc

      也可以手動修改~/.zshrc 文件。

      手動修改

      執行以下命令,打開shell配置文件。

      nano ~/.zshrc

      在配置文件中添加以下內容。

      # 用您的 DashScope API Key 代替 YOUR_DASHSCOPE_API_KEY
      export DASHSCOPE_API_KEY="YOUR_DASHSCOPE_API_KEY"

      在nano編輯器中,按Ctrl + X,接著按Y,再按Enter以保存并關閉文件。

    2. 執行以下命令,使變更生效。

      source ~/.zshrc
    3. 重新打開一個終端窗口,運行以下命令檢查環境變量是否生效。

      echo $DASHSCOPE_API_KEY
    Bash
    1. 執行以下命令來將環境變量設置追加到 ~/.bash_profile 文件中。

      # 用您的 DashScope API Key 代替 YOUR_DASHSCOPE_API_KEY
      echo "export DASHSCOPE_API_KEY='YOUR_DASHSCOPE_API_KEY'" >> ~/.bash_profile

      也可以手動修改~/.bash_profile 文件。

      手動修改

      執行以下命令,打開shell配置文件。

      nano ~/.bash_profile

      在配置文件中添加以下內容。

      # 用您的 DashScope API Key 代替 YOUR_DASHSCOPE_API_KEY
      export DASHSCOPE_API_KEY="YOUR_DASHSCOPE_API_KEY"

      在nano編輯器中,按Ctrl + X,接著按Y,再按Enter以保存并關閉文件。

    2. 執行以下命令,使變更生效。

      source ~/.bash_profile
    3. 重新打開一個終端窗口,運行以下命令檢查環境變量是否生效。

      echo $DASHSCOPE_API_KEY

添加臨時性環境變量

如果您僅希望在當前會話中使用該環境變量,可以添加臨時性環境變量。

  1. 執行以下命令。

    # 用您的 DashScope API Key 代替 YOUR_DASHSCOPE_API_KEY
    export DASHSCOPE_API_KEY="YOUR_DASHSCOPE_API_KEY"
  2. 執行以下命令,驗證該環境變量是否生效。

    echo $DASHSCOPE_API_KEY

Windows系統

在Windows系統中,您可以使用CMD或PowerShell運行命令。

CMD

添加永久性環境變量

如果您希望API Key環境變量在當前用戶的所有新會話中生效,可以按如下操作。

  1. 在CMD中運行以下命令。

    # 用您的 DashScope API Key 代替 YOUR_DASHSCOPE_API_KEY
    setx DASHSCOPE_API_KEY "YOUR_DASHSCOPE_API_KEY"
  2. 打開一個新的CMD窗口。

  3. 在新的CMD窗口運行以下命令,檢查環境變量是否生效。

    echo %DASHSCOPE_API_KEY%
添加臨時性環境變量

如果您僅希望在當前會話中使用該環境變量,可以在CMD中運行以下命令。

# 用您的 DashScope API Key 代替 YOUR_DASHSCOPE_API_KEY
set DASHSCOPE_API_KEY=YOUR_DASHSCOPE_API_KEY

您可以在當前會話運行以下命令檢查環境變量是否生效。

echo %DASHSCOPE_API_KEY%

PowerShell

添加永久性環境變量

如果您希望API Key環境變量在當前用戶的所有新會話中生效,可以按如下操作。

  1. 在PowerShell中運行以下命令。

    # 用您的 DashScope API Key 代替 YOUR_DASHSCOPE_API_KEY
    [Environment]::SetEnvironmentVariable("DASHSCOPE_API_KEY", "YOUR_DASHSCOPE_API_KEY", [EnvironmentVariableTarget]::User)
  2. 打開一個新的PowerShell窗口。

  3. 在新的PowerShell窗口運行以下命令,檢查環境變量是否生效。

    echo $env:DASHSCOPE_API_KEY
添加臨時性環境變量

如果您僅希望在當前會話中使用該環境變量,可以在PowerShell中運行以下命令。

# 用您的 DashScope API Key 代替 YOUR_DASHSCOPE_API_KEY
$env:DASHSCOPE_API_KEY = "YOUR_DASHSCOPE_API_KEY"

您可以在當前會話運行以下命令檢查環境變量是否生效。

echo $env:DASHSCOPE_API_KEY

選擇開發語言

選擇您熟悉的語言或工具,用于調用大模型API。

Python

步驟 1:配置Python環境

檢查您的Python版本

您可以在終端中輸入以下命令查看當前計算環境是否安裝了Python:

# 如果運行失敗,您可以將python替換成python3再運行
python -V

您的Python需要為3.8或以上版本。如果您沒有安裝Python,或Python環境不滿足3.8或以上版本,請您參考安裝Python進行安裝。

配置虛擬環境(可選)

如果您的Python已安裝完成,可以創建一個虛擬環境來安裝OpenAI Python SDK或DashScope Python SDK,這可以幫助您避免與其它項目發生依賴沖突。

  1. 創建虛擬環境

    您可以運行以下命令,創建一個命名為.venv的虛擬環境:

    # 如果運行失敗,您可以將python替換成python3再運行
    python -m venv .venv
  2. 激活虛擬環境

    如果您使用windows系統,請運行以下命令來激活虛擬環境:

    .venv\Scripts\activate

    如果您使用macOS或者Linux系統,請運行以下命令來激活虛擬環境:

    source .venv/bin/activate

安裝模型調用SDK

您可以通過OpenAI的Python SDK或DashScope的Python SDK來調用百煉平臺上的模型。

安裝OpenAI Python SDK

通過運行以下命令安裝OpenAI Python SDK:

pip3 install -U openai

安裝DashScope Python SDK

通過運行以下命令安裝DashScope Python SDK:

pip3 install -U dashscope

步驟 2:調用大模型API

OpenAI Python SDK

如果您安裝完成了Python以及OpenAI的Python SDK,可以參考以下代碼發送您的API請求。您可以新建一個python文件,命名為hello_qwen.py,將以下代碼復制到hello_qwen.py中并保存。

import os
from openai import OpenAI

try:
    client = OpenAI(
        # 若沒有配置環境變量,請用百煉API Key將下行替換為:api_key="sk-xxx",
        api_key=os.getenv("DASHSCOPE_API_KEY"),
        base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
    )

    completion = client.chat.completions.create(
        model="qwen-plus",  # 模型列表:http://m.bestwisewords.com/zh/model-studio/getting-started/models
        messages=[
            {'role': 'system', 'content': 'You are a helpful assistant.'},
            {'role': 'user', 'content': '你是誰?'}
            ]
    )
    print(completion.choices[0].message.content)
except Exception as e:
    print(f"錯誤信息:{e}")
    print("請參考文檔:http://m.bestwisewords.com/zh/model-studio/developer-reference/error-code")

復制完成后,您可以通過命令行運行python hello_qwen.pypython3 hello_qwen.py。運行后您將會看到輸出結果:

我是阿里云開發的一款超大規模語言模型,我叫通義千問。

DashScope Python SDK

如果您安裝完成了Python以及DashScope的Python SDK,可以參考以下代碼發送您的API請求。您可以新建一個Python文件,命名為hello_qwen.py,將以下代碼復制到hello_qwen.py中并保存。

import os
from dashscope import Generation

messages = [
    {'role': 'system', 'content': 'You are a helpful assistant.'},
    {'role': 'user', 'content': '你是誰?'}
    ]
response = Generation.call(
    # 若沒有配置環境變量,請用百煉API Key將下行替換為:api_key = "sk-xxx",
    api_key=os.getenv("DASHSCOPE_API_KEY"), 
    model="qwen-plus",   # 模型列表:http://m.bestwisewords.com/zh/model-studio/getting-started/models
    messages=messages,
    result_format="message"
)

if response.status_code == 200:
    print(response.output.choices[0].message.content)
else:
    print(f"HTTP返回碼:{response.status_code}")
    print(f"錯誤碼:{response.code}")
    print(f"錯誤信息:{response.message}")
    print("請參考文檔:http://m.bestwisewords.com/zh/model-studio/developer-reference/error-code")

復制完成后,您可以通過命令python hello_qwen.py運行。運行成功后您可以看到對應的輸出結果:

我是阿里云開發的一款超大規模語言模型,我叫通義千問。
說明

如果運行失敗,您可以將python替換成python3再運行。

Node.js

步驟 1:配置Node.js環境

檢查Node.js安裝狀態

您可以在終端中輸入以下命令查看當前計算環境是否安裝了Node.js:

node -v

這將打印出您當前Node.js 版本。如果您的環境中沒有Node.js,請訪問Node.js官網進行下載。

安裝模型調用SDK

您可以在終端運行以下命令:

npm install --save openai
# 或者
yarn add openai

如果安裝失敗,您可以通過配置鏡像源的方法來完成安裝,如:

npm config set registry https://registry.npmmirror.com/

配置鏡像源后,您可以重新運行安裝SDK的命令。

步驟 2:調用大模型API

您可以新建一個hello_qwen.mjs文件,將以下代碼復制到文件中。

import OpenAI from "openai";

try {
    const openai = new OpenAI(
        {
            // 若沒有配置環境變量,請用百煉API Key將下行替換為:apiKey: "sk-xxx",
            apiKey: process.env.DASHSCOPE_API_KEY,
            baseURL: "https://dashscope.aliyuncs.com/compatible-mode/v1"
        }
    );
    const completion = await openai.chat.completions.create({
        model: "qwen-plus",  //模型列表:http://m.bestwisewords.com/zh/model-studio/getting-started/models
        messages: [
            { role: "system", content: "You are a helpful assistant." },
            { role: "user", content: "你是誰?" }
        ],
    });
    console.log(completion.choices[0].message.content);
} catch (error) {
    console.log(`錯誤信息:${error}`);
    console.log("請參考文檔:http://m.bestwisewords.com/zh/model-studio/developer-reference/error-code");
}

您可以通過命令行運行以下命令來發送API請求:

node hello_qwen.mjs

運行成功后您將會看到輸出結果:

我是阿里云開發的一款超大規模語言模型,我叫通義千問。

Java

步驟 1:配置Java環境

檢查您的Java版本

您可以在終端運行以下命令:

java -version

為了使用DashScope Java SDK,您的Java需要在Java 8或以上版本。您可以查看打印信息中的第一行確認Java版本,例如打印信息:openjdk version "16.0.1" 2021-04-20表明當前Java版本為Java 16。如果您當前計算環境沒有Java,或版本低于Java 8,請前往Java下載進行下載與安裝。

安裝模型調用SDK

如果您的環境中已安裝Java,請安裝DashScope Java SDK。SDK的版本請參考:DashScope Java SDK。執行以下命令來添加 Java SDK 依賴,并將 the-latest-version 替換為最新的版本號。

<!-- https://mvnrepository.com/artifact/com.alibaba/dashscope-sdk-java -->
<dependency>
    <groupId>com.alibaba</groupId>
    <artifactId>dashscope-sdk-java</artifactId>
    <version>the-latest-version</version>
</dependency>
// https://mvnrepository.com/artifact/com.alibaba/dashscope-sdk-java
implementation group: 'com.alibaba', name: 'dashscope-sdk-java', version: 'the-latest-version'

步驟 2:調用大模型API

您可以運行以下代碼來調用大模型API。

import java.util.Arrays;
import java.lang.System;
import com.alibaba.dashscope.aigc.generation.Generation;
import com.alibaba.dashscope.aigc.generation.GenerationParam;
import com.alibaba.dashscope.aigc.generation.GenerationResult;
import com.alibaba.dashscope.common.Message;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.InputRequiredException;
import com.alibaba.dashscope.exception.NoApiKeyException;
public class Main {
    public static GenerationResult callWithMessage() throws ApiException, NoApiKeyException, InputRequiredException {
        Generation gen = new Generation();
        Message systemMsg = Message.builder()
                .role(Role.SYSTEM.getValue())
                .content("You are a helpful assistant.")
                .build();
        Message userMsg = Message.builder()
                .role(Role.USER.getValue())
                .content("你是誰?")
                .build();
        GenerationParam param = GenerationParam.builder()
                // 若沒有配置環境變量,請用百煉API Key將下行替換為:.apiKey("sk-xxx")
                .apiKey(System.getenv("DASHSCOPE_API_KEY"))
                // 模型列表:http://m.bestwisewords.com/zh/model-studio/getting-started/models
                .model("qwen-plus")
                .messages(Arrays.asList(systemMsg, userMsg))
                .resultFormat(GenerationParam.ResultFormat.MESSAGE)
                .build();
        return gen.call(param);
    }
    public static void main(String[] args) {
        try {
            GenerationResult result = callWithMessage();
            System.out.println(result.getOutput().getChoices().get(0).getMessage().getContent());
        } catch (ApiException | NoApiKeyException | InputRequiredException e) {
            System.err.println("錯誤信息:"+e.getMessage());
            System.out.println("請參考文檔:http://m.bestwisewords.com/zh/model-studio/developer-reference/error-code");
        }
        System.exit(0);
    }
}

運行后您將會看到對應的輸出結果:

我是阿里云開發的一款超大規模語言模型,我叫通義千問。

curl

您可以通過OpenAI兼容的HTTP方式或DashScope的HTTP方式來調用百煉平臺上的模型。模型列表請參考:模型列表

若沒有配置環境變量,請用百煉API Key將:-H "Authorization: Bearer $DASHSCOPE_API_KEY" \ 換為:-H "Authorization: Bearer sk-xxx" \ 。

OpenAI兼容-HTTP

您可以運行以下命令發送API請求:

curl -X POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "qwen-plus",
    "messages": [
        {
            "role": "system",
            "content": "You are a helpful assistant."
        },
        {
            "role": "user", 
            "content": "你是誰?"
        }
    ]
}'

發送API請求后,可以得到以下回復:

{
    "choices": [
        {
            "message": {
                "role": "assistant",
                "content": "我是來自阿里云的大規模語言模型,我叫通義千問。"
            },
            "finish_reason": "stop",
            "index": 0,
            "logprobs": null
        }
    ],
    "object": "chat.completion",
    "usage": {
        "prompt_tokens": 22,
        "completion_tokens": 16,
        "total_tokens": 38
    },
    "created": 1728353155,
    "system_fingerprint": null,
    "model": "qwen-plus",
    "id": "chatcmpl-39799876-eda8-9527-9e14-2214d641cf9a"
}

DashScope-HTTP

您可以運行以下命令發送API請求:

curl -X POST https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "qwen-plus",
    "input":{
        "messages":[      
            {
                "role": "system",
                "content": "You are a helpful assistant."
            },
            {
                "role": "user",
                "content": "你是誰?"
            }
        ]
    },
    "parameters": {
        "result_format":"message"
    }
}'

發送API請求后,可以得到以下回復:

{
    "output": {
        "choices": [
            {
                "finish_reason": "stop",
                "message": {
                    "role": "assistant",
                    "content": "我是來自阿里云的大規模語言模型,我叫通義千問。"
                }
            }
        ]
    },
    "usage": {
        "total_tokens": 38,
        "output_tokens": 16,
        "input_tokens": 22
    },
    "request_id": "87f776d7-3c82-9d39-b238-d1ad38c9b6a9"
}

其它語言

調用大模型API

package main

import (
	"bytes"
	"encoding/json"
	"fmt"
	"io"
	"log"
	"net/http"
	"os"
)

type Message struct {
	Role    string `json:"role"`
	Content string `json:"content"`
}
type RequestBody struct {
	Model    string    `json:"model"`
	Messages []Message `json:"messages"`
}

func main() {
	// 創建 HTTP 客戶端
	client := &http.Client{}
	// 構建請求體
	requestBody := RequestBody{
		// 模型列表:http://m.bestwisewords.com/zh/model-studio/getting-started/models
		Model: "qwen-plus",
		Messages: []Message{
			{
				Role:    "system",
				Content: "You are a helpful assistant.",
			},
			{
				Role:    "user",
				Content: "你是誰?",
			},
		},
	}
	jsonData, err := json.Marshal(requestBody)
	if err != nil {
		log.Fatal(err)
	}
	// 創建 POST 請求
	req, err := http.NewRequest("POST", "https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions", bytes.NewBuffer(jsonData))
	if err != nil {
		log.Fatal(err)
	}
	// 設置請求頭
	// 若沒有配置環境變量,請用百煉API Key將下行替換為:apiKey := "sk-xxx"
	apiKey := os.Getenv("DASHSCOPE_API_KEY")
	req.Header.Set("Authorization", "Bearer "+apiKey)
	req.Header.Set("Content-Type", "application/json")
	// 發送請求
	resp, err := client.Do(req)
	if err != nil {
		log.Fatal(err)
	}
	defer resp.Body.Close()
	// 讀取響應體
	bodyText, err := io.ReadAll(resp.Body)
	if err != nil {
		log.Fatal(err)
	}
	// 打印響應內容
	fmt.Printf("%s\n", bodyText)
}
<?php
$url = 'https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions';
// 若沒有配置環境變量,請用百煉API Key將下行替換為:$apiKey = "sk-xxx";
$apiKey = getenv('DASHSCOPE_API_KEY');
// 設置請求頭
$headers = [
    'Authorization: Bearer '.$apiKey,
    'Content-Type: application/json'
];
// 設置請求體
$data = [
    // 模型列表:http://m.bestwisewords.com/zh/model-studio/getting-started/models
    "model" => "qwen-plus",
    "messages" => [
        [
            "role" => "system",
            "content" => "You are a helpful assistant."
        ],
        [
            "role" => "user",
            "content" => "你是誰?"
        ]
    ]
];
// 初始化cURL會話
$ch = curl_init();
// 設置cURL選項
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_POST, true);
curl_setopt($ch, CURLOPT_POSTFIELDS, json_encode($data));
curl_setopt($ch, CURLOPT_HTTPHEADER, $headers);
// 執行cURL會話
$response = curl_exec($ch);
// 檢查是否有錯誤發生
if (curl_errno($ch)) {
    echo 'Curl error: ' . curl_error($ch);
}
// 關閉cURL資源
curl_close($ch);
// 輸出響應結果
echo $response;
?>
using System.Net.Http.Headers;
using System.Text;

class Program
{
    private static readonly HttpClient httpClient = new HttpClient();

    static async Task Main(string[] args)
    {
        // 若沒有配置環境變量,請用百煉API Key將下行替換為:string? apiKey = "sk-xxx";
        string? apiKey = Environment.GetEnvironmentVariable("DASHSCOPE_API_KEY");

        if (string.IsNullOrEmpty(apiKey))
        {
            Console.WriteLine("API Key 未設置。請確保環境變量 'DASHSCOPE_API_KEY' 已設置。");
            return;
        }
        string url = "https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions";
        // 模型列表:http://m.bestwisewords.com/zh/model-studio/getting-started/models
        string jsonContent = @"{
            ""model"": ""qwen-plus"",
            ""messages"": [
                {
                    ""role"": ""system"",
                    ""content"": ""You are a helpful assistant.""
                },
                {
                    ""role"": ""user"", 
                    ""content"": ""你是誰?""
                }
            ]
        }";

        // 發送請求并獲取響應
        string result = await SendPostRequestAsync(url, jsonContent, apiKey);

        // 輸出結果
        Console.WriteLine(result);
    }

    private static async Task<string> SendPostRequestAsync(string url, string jsonContent, string apiKey)
    {
        using (var content = new StringContent(jsonContent, Encoding.UTF8, "application/json"))
        {
            // 設置請求頭
            httpClient.DefaultRequestHeaders.Authorization = new AuthenticationHeaderValue("Bearer", apiKey);
            httpClient.DefaultRequestHeaders.Accept.Add(new MediaTypeWithQualityHeaderValue("application/json"));

            // 發送請求并獲取響應
            HttpResponseMessage response = await httpClient.PostAsync(url, content);

            // 處理響應
            if (response.IsSuccessStatusCode)
            {
                return await response.Content.ReadAsStringAsync();
            }
            else
            {
                return $"請求失敗: {response.StatusCode}";
            }
        }
    }
}

下一步