1. 完成登录注册

• 进入阿里云的百炼大模型平台，
• 完成注册，登录，实名（使用支付宝扫一下）。

2. 创建 API Key

• 在控制台生成专属密钥（sk-xxx 格式）

3. 测试接口

3.1 安装依赖

• pip install openai

3.2 基础API调用

非流式

import os
from openai import OpenAI
from dotenv import load_dotenv,find_dotenv


client = OpenAI(
    # 各地域的API Key不同。获取API Key：https://help.aliyun.com/zh/model-studio/get-api-key
    # 若没有配置环境变量，请用阿里云百炼API Key将下行替换为：api_key="sk-xxx",
    # api_key=os.getenv("ALY_API_KEY"),
    api_key='XX',
    # 以下是北京地域base_url，如果使用新加坡地域的模型，需要将base_url替换为：https://dashscope-intl.aliyuncs.com/compatible-mode/v1
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)

completion = client.chat.completions.create(
    # 模型列表：https://help.aliyun.com/zh/model-studio/getting-started/models
    # model="qwen-plus",
    model="qwen-flash",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": '你是谁?'},
    ],
)
print(completion)
print(completion.choices[0].message.content)

流式

import os
from openai import OpenAI
from dotenv import load_dotenv,find_dotenv

client = OpenAI(
    # 各地域的API Key不同。获取API Key：https://help.aliyun.com/zh/model-studio/get-api-key
    # 若没有配置环境变量，请用阿里云百炼API Key将下行替换为：api_key="sk-xxx",
    # api_key=os.getenv("ALY_API_KEY"),
    api_key='XX',
    # 以下是北京地域base_url，如果使用新加坡地域的模型，需要将base_url替换为：https://dashscope-intl.aliyuncs.com/compatible-mode/v1
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)

completion = client.chat.completions.create(
    # 模型列表：https://help.aliyun.com/zh/model-studio/getting-started/models
    # model="qwen-plus",
    model="qwen-flash",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": '你是谁?'},
    ],
    stream=True
)
# print(completion)
# print(completion.choices[0].message.content)
for chunk in completion:
    print(chunk.choices[0].delta.content,end='')

4. 配置到虚拟文件

• 目的：避免将 API_KEY 硬编码进代码，提升安全性。
• 方法：
  • 创建 .env 文件：里面放入api_key

ALY_API_KEY=XX

• 在创建另一个文件

import os
from openai import OpenAI
from dotenv import load_dotenv,find_dotenv


# .env 放到环境变量
# 放入环境变量有什么用？
# 数据库账号密码或者API-KEY 都需要保护起来，单独配置。部署的时候单独保存
# 也可以直接把api_key配置到电脑的环境变量中去,连env文件都不需要=> 晚上看一下是怎么写入环境变量的?
load_dotenv()
client = OpenAI(
    # 各地域的API Key不同。获取API Key：https://help.aliyun.com/zh/model-studio/get-api-key
    # 若没有配置环境变量，请用阿里云百炼API Key将下行替换为：api_key="sk-xxx",
    api_key=os.getenv("ALY_API_KEY"),
    # api_key='sk-1bd6d8d02ec54ebd85c4f7d26df32a61',
    # 以下是北京地域base_url，如果使用新加坡地域的模型，需要将base_url替换为：https://dashscope-intl.aliyuncs.com/compatible-mode/v1
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)

completion = client.chat.completions.create(
    # 模型列表：https://help.aliyun.com/zh/model-studio/getting-started/models
    # model="qwen-plus",
    model="qwen-flash",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": '给我讲个冷笑话，关于坦克有没有后视镜的笑话。最多200字'},
    ],
    stream=True
)
# print(completion)
# print(completion.choices[0].message.content)
for chunk in completion:
    print(chunk.choices[0].delta.content,end='')

5. 代码封装

• 常用模型：qwen-flash（快）、qwen-plus（平衡）、qwen-max（强）

import os
from openai import OpenAI
from dotenv import load_dotenv
client = OpenAI(
    # 各地域的API Key不同。获取API Key：https://help.aliyun.com/zh/model-studio/get-api-key
    # 若没有配置环境变量，请用阿里云百炼API Key将下行替换为：api_key="sk-xxx",
    # api_key=os.getenv("ALY_API_KEY"),
    api_key='sk-1bd6d8d02ec54ebd85c4f7d26df32a61',
    # 以下是北京地域base_url，如果使用新加坡地域的模型，需要将base_url替换为：https://dashscope-intl.aliyuncs.com/compatible-mode/v1
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)

# todo 封装成函数调用
def model_chat(content: str , model: str = 'qwen-flash')-> str:
    """
    调用千问大模型接口
    :param prompt: 输入文本或者指令
    :param model: 模型名称，默认qwen-plus
    :return: 模型调用结果
    """
    support_model = ['qwen-flash' , 'qwen-max' , 'qwen3-max']
    if not model in support_model:
        raise ValueError(f'模型不再支持的列表中,{support_model}')
    try:
        completion = client.chat.completions.create(
            model='qwen-flash',
            messages=[
                {"role": "system", "content": "You are a helpful assistant."},
                {"role": "user", "content": content}
            ],
        )
        return completion.choices[0].message.content
    except Exception as e:
        print(e)
        return '模型调用失败'