# python_通义

**Repository Path**: ezemeti/python-tongyi

## Basic Information

- **Project Name**: python_通义
- **Description**: Python调用通义千文API，并进行聊天
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2024-01-10
- **Last Updated**: 2024-06-28

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Python调用通义千问

![](https://img.alicdn.com/imgextra/i4/O1CN01c26iB51UyR3MKMFvk_!!6000000002586-2-tps-124-122.png)

Qwen-72B是阿里云研发的一款具有720亿参数的超大规模预训练语言模型，其在多项复杂的自然语言理解、数学逻辑推理等任务上表现出色，并支持多语言处理。作为阿里巴巴开源的重要成果，Qwen-72B在提升人工智能领域技术水平和应用能力方面发挥了积极作用。

# 申请通义千问API

地址：[如何快速开始通义千问\_模型服务灵积(DashScope)-阿里云帮助中心 (aliyun.com)](https://help.aliyun.com/zh/dashscope/developer-reference/quick-start "如何快速开始通义千问_模型服务灵积(DashScope)-阿里云帮助中心 (aliyun.com)")

![](image/image_SK5YRhRsY5.png)

![](image/image_kGLQyBRsiK.png)

![](image/image_Qr5JD3eQo0.png)

![](image/image_wCO-gvvygU.png)

# 模型类型

![](image/image_mKWyraD2ix.png)

# 代码

### 导入库与下载库

```python
pip install dashscope
```

导入库

```python
import random
from http import HTTPStatus
from dashscope.api_entities.dashscope_response import Role
import dashscope
dashscope.api_key = "xxxxxxxxxxxxxxxxxx"   # 请将此处替换为自己的API Key

```

### 初始化聊天记录

```python
# 初始化对话历史记录
"""
# 需要导入from dashscope.api_entities.dashscope_response import Role
{
    "role": Role.USER,    # 此处是 'user'，代表着用户
     "content": "content"    # 此处用户输入的内容
}
 
{
    "role": Role.SYSTEM    # 此处是 'system'，代表着是此次对话的标题（用过chatgpt的应该了解）
    "content": "content"    # 此处是对话的第一句话也是标题。
}
 
{
    "role": Role.ASSISTANT    # 此处是 'assistant'，代表着机器人（api）
    "content": "content"    # 机器人的输出
}
 
# 这些都用一个列表存储在一起
# 因此，我们可以通过这种方式存储对话的缓存，也可以自定义对话内容。
"""
dialog_history = [
    {'role': Role.SYSTEM, 'content': '我是谁'},
    {'role': Role.USER, 'content': '介绍'},
    {'role': Role.ASSISTANT, 'content': '好的，我记住了！'}
]
```

### 开始调用

```python
def multi_round_conversation(content):    
    global dialog_history

    # 将用户输入添加到对话历史中
    dialog_history.append({'role': Role.USER, 'content': content})

    response = dashscope.Generation.call(
        'qwen-max-1201',       # 此处是 'qwen-max-1201'，请将此处替换为自己的模型名称
        messages=dialog_history,
        seed=random.randint(1, 1000),
        result_format='message'
    )

    if response.status_code == HTTPStatus.OK:
        # print(response)
        assistant_message = {
            'role': response.output.choices[0]['message']['role'],
            'content': response.output.choices[0]['message']['content']
        }
        dialog_history.append(assistant_message)  # 将AI助手的回答添加到对话历史中
        print('AI助手：', assistant_message['content'])
    else:
        print('Request id: %s, Status code: %s, error code: %s, error message: %s' % (
            response.request_id, response.status_code,
            response.code, response.message
        ))
```

### 进行图片聊天

```python
def simple_multimodal_conversation_call(img,question):
    messages = [
        {
            "role": "user",
            "content": [
                {"image": f"{img}"},
                {"text": f"{question}"}
            ]
        }
    ]
    response = dashscope.MultiModalConversation.call(model='qwen-max-1201',
                                                     messages=messages)
    if response.status_code == HTTPStatus.OK:
        print(response.output.choices[0]['message']['content'][0]['text'])
    else:
        print(response.code)
        print(response.message)
```

# 完整代码

```python
import random
from http import HTTPStatus
from dashscope.api_entities.dashscope_response import Role
import dashscope

dashscope.api_key = "xxxxxxxxxxxxxxxxxx"   # 请将此处替换为自己的API Key

# 初始化对话历史记录
"""
# 需要导入from dashscope.api_entities.dashscope_response import Role
{
    "role": Role.USER,    # 此处是 'user'，代表着用户
     "content": "content"    # 此处用户输入的内容
}
 
{
    "role": Role.SYSTEM    # 此处是 'system'，代表着是此次对话的标题（用过chatgpt的应该了解）
    "content": "content"    # 此处是对话的第一句话也是标题。
}
 
{
    "role": Role.ASSISTANT    # 此处是 'assistant'，代表着机器人（api）
    "content": "content"    # 机器人的输出
}
 
# 这些都用一个列表存储在一起
# 因此，我们可以通过这种方式存储对话的缓存，也可以自定义对话内容。
"""
dialog_history = [
    {'role': Role.SYSTEM, 'content': '我是谁'},
    {'role': Role.USER, 'content': '介绍'},
    {'role': Role.ASSISTANT, 'content': '好的，我记住了！'}
]

def multi_round_conversation(content):    
    global dialog_history

    # 将用户输入添加到对话历史中
    dialog_history.append({'role': Role.USER, 'content': content})

    response = dashscope.Generation.call(
        'qwen-max-1201',       # 此处是 'qwen-max-1201'，请将此处替换为自己的模型名称
        messages=dialog_history,
        seed=random.randint(1, 1000),
        result_format='message'
    )

    if response.status_code == HTTPStatus.OK:
        # print(response)
        assistant_message = {
            'role': response.output.choices[0]['message']['role'],
            'content': response.output.choices[0]['message']['content']
        }
        dialog_history.append(assistant_message)  # 将AI助手的回答添加到对话历史中
        print('AI助手：', assistant_message['content'])
    else:
        print('Request id: %s, Status code: %s, error code: %s, error message: %s' % (
            response.request_id, response.status_code,
            response.code, response.message
        ))

while True:
    # 获取最新一轮的用户输入
    content = input('你：')
    if content == 'exit':
        break
    multi_round_conversation(content)

```

![](image/image_eB-GvjV0Qx.png)