網(wǎng)站模型大全功能規(guī)格與計費-大模型服務平臺百煉-阿里云-大模型服務平臺百煉(Model Studio)-阿里云幫助中心https://help.aliyun.com/zh/model-studio/modelshttps://help.aliyun.com/zh/model-studio/models大模型服務平臺百煉控制臺https://bailian.console.aliyun.com/cn-beijing?tabapi#/api/?typemodelurl3016807https://bailian.console.aliyun.com/cn-beijing?tabapi#/api/?typemodelurl3016807步驟實例代碼import os from openai import OpenAI client OpenAI( # 若沒有配置環(huán)境變量請用百煉API Key將下行替換為api_keysk-xxx api_keyos.getenv(DASHSCOPE_API_KEY), # {WorkspaceId}需要改成自己的 base_urlhttps://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1, ) completion client.chat.completions.create( # 模型列表https://help.aliyun.com/zh/model-studio/getting-started/models modelqwen-plus, messages[ {role: system, content: You are a helpful assistant.}, {role: user, content: 人為什么要睡覺?}, ], temperature 0.75, # 模型生成內容多寬 (范圍[0,2), 0表示生成內容非常確定2表示生成內容非常不確定。默認值為0.75。) # max_completion_tokens 100 # 最大生成長度 ) #print(completion.model_dump_json()) print(completion.choices[0].message.content)模型輸出單輪請求另一種寫法class LLMCase1(BaseModel): question: str Field(..., title問題, description問題) async def case1_api(llmCase1Request: LLMCase1): client OpenAI( # 若沒有配置環(huán)境變量請用百煉API Key將下行替換為api_keysk-xxx api_keyos.getenv(DASHSCOPE_API_KEY), base_urlhttps://ws-79yxgjtjhsypfj33.cn-beijing.maas.aliyuncs.com/compatible-mode/v1, ) # 第一是角色設定明確模型的身份定位 # 第二是任務指令清晰模型任務信息 # 第三是輸入數(shù)據(jù)與上下文提供必要的背景信息 # 第四是輸出格式指定返回的結構如 JSON、列表等 # 第五是約束條件限制長度、風格、禁忌等要求 # 第六是示例引導通過少量示例讓模型模仿輸出。 ### 請求體提問 prompt f ## 角色設定: 你是一個智能助手 ## 任務描述: {llmCase1Request.question} ## 輸入?yún)?shù): ## 輸出格式: ## 約束條件: ## 示例: completion client.chat.completions.create( # 模型列表https://help.aliyun.com/zh/model-studio/getting-started/models modelqwen-plus, messages[ {role: user, content: prompt}, ], temperature0.75, ) ai_reply completion.choices[0].message.content return { code: 1, message: 請求成功, data: { ai_reply: ai_reply } }總結本文詳細介紹了如何通過阿里云百煉平臺調用通義千問大模型qwen-plus進行單輪對話。主要內容總結如下準備工作首先需要訪問阿里云百煉平臺的模型大全了解功能規(guī)格與計費并在控制臺獲取API Key和Workspace ID。核心步驟配置OpenAI兼容的客戶端設置api_key和指向百煉服務的base_url然后調用chat.completions.create方法發(fā)起請求。兩種代碼實現(xiàn)基礎調用直接構造包含系統(tǒng)提示和用戶問題的消息列表可調節(jié)temperature等參數(shù)控制生成結果。結構化請求使用Pydantic模型定義請求體構建包含角色設定、任務描述等要素的詳細Prompt模板更適合集成到Web API中。關鍵要點百煉平臺提供了與OpenAI API兼容的接口開發(fā)者可以沿用熟悉的openai庫進行開發(fā)只需替換base_url和api_key即可快速接入阿里云的強大模型能力。通過以上兩種方式開發(fā)者可以靈活地將通義千問大模型集成到自己的Python應用中實現(xiàn)智能對話功能。 大模型調用
網(wǎng)站模型大全功能規(guī)格與計費-大模型服務平臺百煉-阿里云-大模型服務平臺百煉(Model Studio)-阿里云幫助中心https://help.aliyun.com/zh/model-studio/modelshttps://help.aliyun.com/zh/model-studio/models大模型服務平臺百煉控制臺https://bailian.console.aliyun.com/cn-beijing?tabapi#/api/?typemodelurl3016807https://bailian.console.aliyun.com/cn-beijing?tabapi#/api/?typemodelurl3016807步驟實例代碼import os from openai import OpenAI client OpenAI( # 若沒有配置環(huán)境變量請用百煉API Key將下行替換為api_keysk-xxx api_keyos.getenv(DASHSCOPE_API_KEY), # {WorkspaceId}需要改成自己的 base_urlhttps://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1, ) completion client.chat.completions.create( # 模型列表https://help.aliyun.com/zh/model-studio/getting-started/models modelqwen-plus, messages[ {role: system, content: You are a helpful assistant.}, {role: user, content: 人為什么要睡覺?}, ], temperature 0.75, # 模型生成內容多寬 (范圍[0,2), 0表示生成內容非常確定2表示生成內容非常不確定。默認值為0.75。) # max_completion_tokens 100 # 最大生成長度 ) #print(completion.model_dump_json()) print(completion.choices[0].message.content)模型輸出單輪請求另一種寫法class LLMCase1(BaseModel): question: str Field(..., title問題, description問題) async def case1_api(llmCase1Request: LLMCase1): client OpenAI( # 若沒有配置環(huán)境變量請用百煉API Key將下行替換為api_keysk-xxx api_keyos.getenv(DASHSCOPE_API_KEY), base_urlhttps://ws-79yxgjtjhsypfj33.cn-beijing.maas.aliyuncs.com/compatible-mode/v1, ) # 第一是角色設定明確模型的身份定位 # 第二是任務指令清晰模型任務信息 # 第三是輸入數(shù)據(jù)與上下文提供必要的背景信息 # 第四是輸出格式指定返回的結構如 JSON、列表等 # 第五是約束條件限制長度、風格、禁忌等要求 # 第六是示例引導通過少量示例讓模型模仿輸出。 ### 請求體提問 prompt f ## 角色設定: 你是一個智能助手 ## 任務描述: {llmCase1Request.question} ## 輸入?yún)?shù): ## 輸出格式: ## 約束條件: ## 示例: completion client.chat.completions.create( # 模型列表https://help.aliyun.com/zh/model-studio/getting-started/models modelqwen-plus, messages[ {role: user, content: prompt}, ], temperature0.75, ) ai_reply completion.choices[0].message.content return { code: 1, message: 請求成功, data: { ai_reply: ai_reply } }總結本文詳細介紹了如何通過阿里云百煉平臺調用通義千問大模型qwen-plus進行單輪對話。主要內容總結如下準備工作首先需要訪問阿里云百煉平臺的模型大全了解功能規(guī)格與計費并在控制臺獲取API Key和Workspace ID。核心步驟配置OpenAI兼容的客戶端設置api_key和指向百煉服務的base_url然后調用chat.completions.create方法發(fā)起請求。兩種代碼實現(xiàn)基礎調用直接構造包含系統(tǒng)提示和用戶問題的消息列表可調節(jié)temperature等參數(shù)控制生成結果。結構化請求使用Pydantic模型定義請求體構建包含角色設定、任務描述等要素的詳細Prompt模板更適合集成到Web API中。關鍵要點百煉平臺提供了與OpenAI API兼容的接口開發(fā)者可以沿用熟悉的openai庫進行開發(fā)只需替換base_url和api_key即可快速接入阿里云的強大模型能力。通過以上兩種方式開發(fā)者可以靈活地將通義千問大模型集成到自己的Python應用中實現(xiàn)智能對話功能。