构建AI智能体:一、初识AI大模型与API调用
一、了解大模型
在人工智能领域,相比早期的NLP,近期大模型如雨后春笋般不断涌现,体现了时代的发展和科技的进步,以及众多获益者的深度追求,使得大模型展现出了卓越的性能和广泛的应用前景。
闲话少叙,本集合文章是作者对大模型一路的笔记和从业后的回顾,希望能和大家一起成长交流,将从初学大模型基础到AI智能体的搭建一步步开启AI大模型时代的开端。
二、API调用与示例
-
APK-KEY申请
阿里云百炼是阿里提供的全链路大模型服务与应用开发平台,提供囊括文本、语音、视觉的模型服务,新用户可获100万免费tokens体验Qwen3全系列模型服务
1.首先扫码登录百炼平台,申请token;

2.点击左下角【密钥管理】-【创建APK-KEY】生成一个sk-开头的key,在接下来的示例中即可调用;
3.获取到key后就可以在模型分类中,选择供应商指定需要用到的模型,其中包括deepseek等;
4.API-KEY使用的两种方式:
-
调用说明
-
大模型的调用通常采用Python,需对Python语言有基础的掌握,Python技术生态丰富,拥有完善的深度学习框架和数据处理工具,能覆盖从训练到微调的整个流程,降低了入门门槛;同时语法简洁,开发效率高,跨平台兼容性强。
-
主要通过阿里的DashScope服务平台提供的API和SDK来实现大模型的应用,DashScope对主流的AI大模型实现了封装,通过API的方式方便开发者调用,进行推理、训练和微调,可通过pip install dashscope进行安装和初始化。
-
DashScope使用方法:
-
导入模块:
import dashscope
from dashscope.api_entities.dashscope_response import Role
# 设置API key
dashscope.api_key = "your-api-key"
-
模型调用:
# 基本调用格式
response = dashscope.Generation.call(
model='模型名称', # 例如:'qwen-turbo', 'deepseek-v3' 等
messages=messages, # 消息列表
result_format='message' # 输出格式
)
-
message配置:
messages = [
{"role": "system", "content": "系统提示信息"},
{"role": "user", "content": "用户输入"}
]
-
输出结果:
# 获取生成的内容
result = response.output.choices[0].message.content
print(result)
-
用示例调
1. 通过调用deepseek-v3模型识别一段文字表达的意思是正向还是负向
import json
import os
import dashscope
from dashscope.api_entities.dashscope_response import Role
# 从环境变量中,获取 DASHSCOPE_API_KEY
# api_key = os.environ.get('DASHSCOPE_API_KEY')
# 还可以将key直接配置在此处
dashscope.api_key = "sk-e****93d4****"
# 封装模型响应函数
def get_response(messages):
response = dashscope.Generation.call(
model='deepseek-v3',
messages=messages,
result_format='message' # 将输出设置为message形式
)
return response
review = '特别喜欢这款产品,使用起来很方便。'
messages=[
{"role": "system", "content": "帮我判断产品表达的意思是正向还是负向,回复请用一个词语:正向 或者 负向"},
{"role": "user", "content": review}
]
response = get_response(messages)
# response.output.choices[0].message.conten
print(response.output.choices[0].message.content)
-
输出结果:
正向2.通过调用qwen-vl-plus模型识别图片中的文字并按指定格式输出
import json import os import dashscope from dashscope.api_entities.dashscope_response import Role # 从环境变量中,获取 DASHSCOPE_API_KEY api_key = os.environ.get('DASHSCOPE_API_KEY') dashscope.api_key = api_key # 封装模型响应函数 def get_response(messages): response = dashscope.MultiModalConversation.call( model='qwen-vl-plus', messages=messages ) return response content = [ {'image': '员工登记表.jpeg'}, #此处可指定网络地址 {'text': '这是一个表格图片,帮我提取里面的内容,输出JSON格式'} ] messages=[{"role": "user", "content": content}] # 输出结果 response = get_response(messages) print(response.output.choices[0].message.content[0]['text'])输出结果:
```json
{
"公司名称": "",
"应聘岗位": "",
"身份": ["实习生", "社会人士"],
"填表日期": {
"年": "",
"月": "",
"日": ""
},
"个人信息": {
"姓名": "",
"性别": "",
"出生年月": "",
"籍贯": "",
"民族": "",
"政治面貌": "",
"健康状况": "",
"婚姻状况": "",
"身高/体重": {
"cm": "",
"kg": ""
},
"学历": "",
"毕业院校": "",
"专业": "",
"移动电话": "",
"身份证号": "",
"现居住地": "",
"家庭住址": ""
},
"紧急联系人": {
"姓名": "",
"关系": "",
"电话": ""
},
"期望薪资": "",
"职业状态": ["在职", "已离职"],
"可到岗时间": "",
"是否有亲戚或朋友在本公司任职": {
"有": "",
"无": ""
},
"介绍人": "",
"是否服从调配": ["是", "否"],
"教育经历": [
{
"起止时间": "",
"学校名称": "",
"专业": "",
"所获奖励证书": ""
}
],
"工作经历": [
{
"起止时间": "",
"单位名称": "",
"职务": "",
"离职原因": "",
"证明人及联系方式": ""
}
],
"家庭成员": [
{
"关系": "",
"姓名": "",
"工作单位": "",
"职务": "",
"联系方式": ""
}
],
"自我评价": {
"优势": "",
"劣势": ""
},
"学历情况": {
"统招生": ["已拿到毕业证", "应届毕业生, 学信网可查, 确定毕业可以拿到毕业证"],
"自考生": ["已拿到毕业证", "毕业未拿到毕业证", "未毕业"]
},
"声明": "本人保证以上所填内容、个人简历完全属实,且为本人亲自填写,如有虚假,由此带来的法律后果由个人承担!",
"填表人": "",
"日期": ""
}
3.通过API-KEY的base-url进行模型调用
import os
from openai import OpenAI
# 从环境变量中,获取 DASHSCOPE_API_KEY
api_key = os.environ.get('DASHSCOPE_API_KEY')
client = OpenAI(
# 若没有配置环境变量,请替换为:api_key="sk-xxx",
api_key=api_key,
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", # 填写DashScope服务的base_url
)
completion = client.chat.completions.create(
model="qwen-plus", # 此处以qwen-plus为例,可按需更换模型名称
messages=[
{'role': 'system', 'content': '你是一个快乐的小助手'},
{'role': 'user', 'content': 'AI大模型可以为我们做些什么?'}],
extra_body={
"enable_search": True
}
)
print(completion.model_dump_json())
输出结果:
{
"id": "chatcmpl-6b12eb65-5c81-9486-9792-ea8c8843137b",
"choices": [{
"finish_reason": "stop",
"index": 0,
"logprobs": null,
"message": {
"content": "哇!这个问题真让人兴奋呢!😊 让我来跟你分享一下AI大模型的神奇之处吧~\n\n你知道吗?AI大模型就像一个超级聪明的小伙伴, 它可以:
1.当你的学习小帮手! 不管是写作文、 做数学题还是学英语, 它都能耐心地陪你一起学习, 给你建议和帮助。
2.变身创意小精灵! 当你想写故事、 写公文、 写邮件的时候, 它都能帮你构思, 写出精彩的内容。
3.做你的编程小伙伴! 写代码遇到困难的时候, 它可以帮你检查错误, 给出改进建议。
4.成为你的私人翻译官! 无论你想翻译什么语言, 它都能帮你准确传达意思。
5.当你的生活小助手! 从制定旅行计划到健康建议, 它都能帮你安排得井井有条。
6.变身创意实验室! 画画、 作曲、 设计, 它都能给你灵感和建议。
7.成为你的智能分析员! 处理数据、 分析信息, 帮助你更好地理解和决策。
我最喜欢的是, AI大模型可以随着我们的互动变得越来越聪明哦! 就像我们交朋友一样, 越相处越默契呢~
你想具体了解哪方面的应用呢? 我可以给你举更多有趣的例子哦!✨ ","
refusal ":null,"
role ":"
assistant ","
annotations ":null,"
audio ":null,"
function_call ":null,"
tool_calls ":null}}
],
"created": 1755081025,
"model": "qwen-plus",
"object": "chat.completion",
"service_tier": null,
"system_fingerprint": null,
"usage": {
"completion_tokens": 265,
"prompt_tokens": 30,
"total_tokens": 295,
"completion_tokens_details": null,
"prompt_tokens_details": {
"audio_tokens": null,
"cached_tokens": 0
}
}
}
- 点赞
- 收藏
- 关注作者
评论(0)