国产AI大模型API入门指南：从文本生成到图片解析

国产AI大模型API入门指南：从文本生成到工具调用

一行代码调用千模之力，中国AI生态正迎来黄金时代

在AI大模型爆发的今天，API已成为连接智能能力与现实应用的桥梁 。无论是通义千问、DeepSeek还是百度文心，越来越多企业通过开放API，让开发者无需从头训练就能集成顶尖AI能力。但一个现实问题是：不同平台的API协议各异，调用方式五花八门，开发成本陡增。

一、为什么大模型平台都在做API兼容？

生态效率驱动标准化 。当前国内主流平台如阿里云百炼、火山方舟、DeepSeek、Moonshot等，纷纷兼容OpenAI风格的API协议，背后是三大动因：

1. 降低开发者迁移成本：OpenAI已成为事实标准，兼容其协议可吸引庞大开发者生态
2. 加速工具链统一：如LangChain、LlamaIndex等框架已内置OpenAI适配器
3. 促进模型即插即用：通过统一接口，开发者可灵活切换不同模型供应商

以阿里云百炼为例，它虽自研底层架构，却完整支持OpenAI SDK调用------这正是生态智慧的体现。

二、API基础：从文本生成到工具调用

通过Node.js调用阿里云百炼API，需要先注册。

注册阿里云百炼 ：新用户领千万Tokens免费额,点击开通,学习完全够用！！！

示例代码

1. 文本生成（阿里云百炼实战）

1-API使用/1-情感分析-文本chat-Qwen.js

/**
 * 第一个文本生成对话应用
 * OpenAI文本聊天功能测试应用
 * 集成OpenAI SDK实现简单的文本对话功能,阿里云通义千问API
 * 模型：qwen-plus
 */

import { initOpenAI } from './initOpenAI.js';

async function main() {
  const completion = await initOpenAI().chat.completions.create({
    model: "qwen-plus",  //模型列表：https://help.aliyun.com/zh/model-studio/getting-started/models
    messages: [
      { role: "system", content: "你是一名舆情分析师，帮我判断产品口碑的正负向，回复请用一个词语：正向 或者 负向" },
      { role: "user", content: "这款音乐软件很棒" }
    ],
  });
  console.log(JSON.stringify(completion.choices[0].message, null, 2))
}

main();

输出

{
 "role": "assistant",
 "content": "正向"
}

核心参数解析

1. ​​model: "qwen-plus"​​

   • 指定阿里云百炼平台的大模型（通义千问增强版），需在平台申请API Key并配置。
   • 模型列表参考：阿里云官方模型文档。

2. ​​messages 消息结构​​

   • ​​role: system​​：设定AI角色为舆情分析师，强制约束输出格式（仅返回"正向/负向"）。

     { role: "system", 
     content: "你是一名舆情分析师...回复请用一个词语：正向 或者 负向" 
     }

   • ​​role: user​ ​：用户输入待分析的文本，如"这款音乐软件很棒"。

3. ​​输出控制​​

   • 通过system prompt的严格指令，确保返回结果精简为单次（如"正向"），避免冗余解释。

2. 工具调用-一个天气查询

大模型在面对实时性问题、数学计算等问题时可能效果不佳。可以使用 Function Calling 功能，通过引入外部工具，使得大模型可以与外部世界进行交互。 1-API使用/2-天气-FunctionCall-Qwen.js

/**
 * Function Call使用 - 天气查询功能
 * 实现天气查询Function Call，支持查询城市的天气信息
 * 
 * 关键技术点：
 * 1. 使用阿里云百炼平台的qwen-turbo模型
 * 2. 实现OpenAI兼容的Function Calling功能
 * 3. 完整的两轮对话流程（模型决策->函数执行->结果生成）
 */

import { initOpenAI } from './initOpenAI.js';

/**
 * 获取指定地点的天气信息（模拟函数）
 * @param {string} location - 地点名称
 * @param {string} unit - 温度单位，默认为"摄氏度"
 * @returns {string} 天气信息的JSON字符串
 * 
 * 关键说明：
 * - 实际项目中应替换为真实天气API调用
 * - 返回的JSON字符串将作为后续模型的输入
 */
function getCurrentWeather({ location, unit = "摄氏度" }) {
  // 模拟数据（大连固定返回10度，其他城市36度）
  const weatherInfo = {
    location: location,
    temperature: location.includes('大连') ? 10 : 36,
    unit: unit,
    forecast: ["晴天", "微风"]
  };
  return JSON.stringify(weatherInfo);
}

/**
 * 工具函数映射对象
 * 关键说明：
 * - 用于动态调用工具函数（此处只有getCurrentWeather）
 * - 函数名必须与tools定义中的name严格一致
 */
const toolFunctions = { getCurrentWeather };

/**
 * 工具定义（核心配置）
 * 关键参数解析：
 * - type: "function" - 声明这是一个函数工具
 * - function.name: 必须与实际函数名一致（大小写敏感）
 * - function.description: 决定模型何时调用此函数的关键描述
 * - parameters: 定义参数结构（JSON Schema格式）
 *   - properties: 定义每个参数的名称、类型和描述
 *   - required: 声明必填参数
 */
const tools = [
  {
    type: "function",
    function: {
      name: "getCurrentWeather",
      description: "Get the current weather in a given location.",
      parameters: {
        type: "object",
        properties: {
          location: { 
            type: "string", 
            description: "The city and state, e.g. San Francisco, CA" 
          },
          unit: { 
            type: "string", 
            enum: ["celsius", "fahrenheit"] // 限制可选值
          }
        },
        required: ["location"] // 必须提供location参数
      }
    }
  }
];

/**
 * 获取模型响应
 * @param {Array} messages - 消息历史数组
 * @param {Array} tools - 工具定义数组
 * @returns {Promise<Object>} API响应对象
 * 
 * 关键参数说明：
 * - model: "qwen-turbo" - 指定使用的阿里云百炼模型
 * - messages: 包含role为system/user/assistant的对话历史
 * - tools: 传入工具定义数组
 * - tool_choice: "auto" - 让模型自主决定是否调用工具
 */
async function getModelResponse(messages, tools) {
  const openai = initOpenAI();
  return await openai.chat.completions.create({
    model: "qwen-turbo",
    messages: messages,
    tools: tools,
    tool_choice: "auto" // 也可指定为{"type: "function", function: {name: "getCurrentWeather"}}强制调用
  });
}

/**
 * 主对话流程
 * 关键流程说明：
 * 1. 初始化系统提示和用户问题
 * 2. 第一次调用API获取模型响应
 * 3. 检查是否需要调用工具函数
 * 4. 执行工具函数并追加结果到对话历史
 * 5. 第二次调用API获取最终回复
 */
async function main() {
  const userQuery = "大连的天气怎样";
  const messages = [
    {
      role: "system",
      content: "你是一个很有帮助的助手。如果用户提问关于天气的问题，请调用天气查询函数。回答时请使用友好语气。",
    },
    { role: "user", content: userQuery }
  ];

  // 第一轮API调用：模型决策阶段
  console.log('[1] 发送初始请求...');
  const firstResponse = await getModelResponse(messages, tools);
  const assistantMessage = firstResponse.choices[0].message;
  messages.push(assistantMessage);
  console.log('[2] 模型首次响应:', JSON.stringify(assistantMessage, null, 2));

  // 检查工具调用
  if (assistantMessage.tool_calls) {
    const toolCall = assistantMessage.tool_calls[0];
    console.log('[3] 检测到工具调用:', toolCall.function.name);
    
    // 解析参数并执行函数
    const args = JSON.parse(toolCall.function.arguments);
    console.log('[4] 函数参数:', args);
    const functionResult = toolFunctions[toolCall.function.name](args);
    console.log('[5] 函数执行结果:', functionResult);

    // 追加工具执行结果到对话历史
    messages.push({
      role: "tool",
      tool_call_id: toolCall.id, // 必须与调用请求的ID匹配
      content: functionResult
    });

    // 第二轮API调用：生成最终回复
    console.log('[6] 发送工具执行结果给模型...');
    const finalResponse = await getModelResponse(messages, tools);
    console.log('[7] 最终回复:', JSON.stringify(finalResponse.choices[0].message, null, 2));
  } else {
    console.log('模型未触发工具调用，直接返回结果');
  }
}

// 启动对话
console.log("启动天气查询对话系统...");
main().catch(err => console.error('流程执行出错:', err));

启动天气查询对话系统...
[1] 发送初始请求...
[2] 模型首次响应: {
  "content": "",
  "role": "assistant",
  "tool_calls": [
    {
      "function": {
        "name": "getCurrentWeather",
        "arguments": "{\"location\": \"大连\"}"
      },
      "index": 0,
      "id": "call_5ffd203437414791a0a4c7",
      "type": "function"
    }
  ]
}
[3] 检测到工具调用: getCurrentWeather
[4] 函数参数: { location: '大连' }
[5] 函数执行结果: {"location":"大连","temperature":10,"unit":"摄氏度","forecast":["晴天","微风"]}
[6] 发送工具执行结果给模型...
[7] 最终回复: {
  "content": "大连现在的天气是晴天，气温为10摄氏度，微风。",
  "role": "assistant"
}

3. 多模态实践

什么是多模态（Multimodal）

多模态 是指模型能够同时处理并理解多种类型的数据输入，比如：

• 文本（Text）
• 图像（Image）
• 音频（Audio）
• 视频（Video）

甚至结构化数据或传感器数据,在本例中：

模型接受了 图像（image_url） 和 文本提问（text） 的联合输入，并输出对图片内容的理解结果（比如画面内容描述、对象识别、场景判断等）。这类多模态模型可以执行"看图说话"、"图文问答"、"图像摘要"等任务，是目前最前沿的AI能力之一。

3.1-图片分析-视觉理解-多模态-Qwen copy.js

/**
 * 图片分析功能 - 多模态对话
 * 使用通义千问API分析图片内容
 * 支持图片URL和文本输入，输出图片分析结果
 */

import { initOpenAI } from './initOpenAI.js'; // 初始化通义千问兼容OpenAI风格的客户端实例

async function main() {
  // 定义图像URL（可以是任意公网可访问的图片）
  const imageUrl = "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241022/emyrja/dog_and_girl.jpeg";

  // 调用通义千问 qwen-vl-plus 模型进行多模态对话（支持图像+文字）
  const response = await initOpenAI().chat.completions.create({
    model: "qwen-vl-plus", // 多模态模型，支持图像与文字联合理解
    messages: [
      {
        role: "user",
        content: [
          // 输入的图片内容，类型为 image_url
          { type: "image_url", image_url: { url: imageUrl } },

          // 对图片提出的问题（图文混合输入）
          { type: "text", text: "图中描绘的是什么景象?" }
        ]
      }
    ],
  });

  // 输出模型对图像及问题的分析结果
  console.log("API响应:", response.choices[0].message.content);
}

main(); // 执行主函数

API响应: 图中描绘的是一幅温馨和谐的海滩景象。画面中有一个人和一只狗在沙滩上互动。具体细节如下：

1. **人物**：一位女性坐在沙滩上，穿着格子衬衫和黑色裤子，面带微笑，显得非常开心和放松。她的姿态自然，似乎在与狗进行友好互动。

2. **动物**：一只金毛犬坐在女性面前，戴着彩色的项圈，看起来很温顺。它正伸出前爪，与女性的手相触碰，显示出一种友好的交流。

3. **环境**：背景是广阔的海洋和天空，海浪轻轻拍打着岸边，远处的海水呈现出柔和的蓝色调。天空的颜色渐变，可能是日出或日落时分，光线温暖而柔和，给整个场景增添了一种宁静和美好的氛围。

4. **氛围**：整体画面给人一种轻松愉快的感觉，展现了人与宠物之间的亲密关系以及与自然环境的和谐共处。阳光洒在沙滩上，使得整个场景显得格外温暖和美丽。

这张照片捕捉到了一个简单而美好的瞬间，体现了生活中人与宠物之间的情感纽带以及与大自然的亲近感。

参考图片

1-API使用/3.2-文字提取-多模态-Qwen.js

/**
 * 文字提取功能 - 多模态对话
 * 使用通义千问API提取图片中的文字内容
 * 支持图片URL和文本输入，输出JSON格式的文字数据
 */

import { initOpenAI } from './initOpenAI.js'; // 引入通义千问 OpenAI 兼容 SDK 初始化模块

async function main() {
  // 图片地址：此处为一张车票图像，必须是公网可访问的 URL
  const imageUrl = "https://img.alicdn.com/imgextra/i2/O1CN01ktT8451iQutqReELT_!!6000000004408-0-tps-689-487.jpg";

  // 调用多模态 OCR 模型（专用于图像文字识别及结构化抽取）
  const response = await initOpenAI().chat.completions.create({
    model: "qwen-vl-ocr-latest", // 模型名称：通义千问 OCR 多模态模型，适合结构化文档识别
    messages: [
      {
        role: "user",
        content: [
          // 图像输入：用于识别的车票图像
          { type: "image_url", image_url: { url: imageUrl } },

          // 任务指令：使用自然语言明确指定要提取的字段
          {
            type: "text",
            text: `请提取车票图像中的发票号码、车次、起始站、终点站、发车日期和时间点、座位号、席别类型、票价、身份证号码、购票人姓名。
要求准确无误地提取上述关键信息，不要遗漏，也不要捏造虚假信息。
对于模糊或强光遮挡导致无法识别的字符，请用英文问号 ? 替代。
返回格式请使用 JSON，结构如下：
{'发票号码':'xxx','车次':'xxx','起始站':'xxx','终点站':'xxx','发车日期和时间点':'xxx','座位号':'xxx','席别类型':'xxx','票价':'xxx','身份证号码':'xxx','购票人姓名':'xxx'}`
          }
        ]
      }
    ]
  });

  // 输出提取结果（控制台打印 JSON 格式）
  console.log("API响应:", response.choices[0].message.content);
}

main(); // 执行主程序

{
    "发票号码": "2432911680400000000",
    "车次": "G1948",
    "起始站": "南京南站",
    "终点站": "郑州东站",
    "发车日期和时间点": "11:46开",
    "座位号": "04车12A号",
    "席别类型": "二等座",
    "票价": "337.50",
    "身份证号码": "4107281991****5515",
    "购票人姓名": "读小光"
}

这部分内容展示了如何通过 Node.js 使用阿里云百炼平台（通义千问）的 API，实现从基础文本生成到多模态感知的完整应用流程。以下是总结与说明：

三、API 基础能力总结

1. 文本生成：舆情分析

• 应用场景：判断一句话是正面还是负面情绪。

• 实现要点：

  • 使用模型：qwen-plus
  • system prompt 设定角色（如舆情分析师），明确输出格式（如只返回"正向"或"负向"）。
  • 优势：可构建自动化评论分析、产品反馈判定、AI客服预判断等能力。

---

2. 工具调用（Function Calling）：天气查询

• 应用场景：用户提问天气，AI判断意图后自动调用"getCurrentWeather"函数查询。

• 实现要点：

  • 使用模型：qwen-turbo
  • 注册函数（tools）→ 模型自动判断是否调用 → 模拟执行 → 回传结果再生成最终答复。
  • 关键逻辑：两轮对话处理流程（模型先判断，再处理函数结果）。
  • 扩展能力 ：天气查询只是范例，实际上你可以定义 任意函数（如搜索航班、查汇率、查日程等）并通过模型调用。

---

3. 多模态能力（图文结合）

📸 图像理解

• 应用场景：看图说话、图片问答、画面情感判断。
• 使用模型 ：qwen-vl-plus
• 功能：输入图像 URL 和提问文本，模型能结合图像内容作出自然语言回答。

🧾 图像文字提取（OCR）

• 应用场景：从图片中提取结构化文字（如车票、发票、证件等）。
• 使用模型 ：qwen-vl-ocr-latest
• 功能：结合视觉+语言理解，实现表单式字段抽取，并输出为 JSON。

---

🧭 还有更多 API 值得探索（可参考阿里云百炼控制台）

1. 代码生成与解释：构建编程助手。
2. 语义搜索：智能问答系统、知识库检索。
3. 音频转文本 / 语音问答：打造语音助手。
4. 视频内容分析：理解视频片段、生成视频摘要。
5. 长文本摘要 / 文本翻译：文档处理、跨语言沟通。
6. 角色扮演对话：客服机器人、教育陪练。
7. 结构化信息提取：合同字段抽取、信息聚合等。

---

📌 建议下一步：你可以尝试自定义函数并结合模型使用（如股票价格查询、日历提醒等），打造你自己的 AI 工具箱。

总结

通过上文我们可以看到，阿里云百炼等平台已经提供了统一、兼容 OpenAI API 的调用方式，让开发者可以快速接入通义千问的文本生成、多模态理解、OCR识别等强大能力。但平台调用并非唯一选择 ，对于有更高自定义需求、私有化部署要求或成本控制目标的团队来说，也可以选择在本地或云端自行部署 DeepSeek、Moonshot、LLaMA、Qwen 等开源大模型，形成"自部署 + API 调用"双轨并行的架构。这样不仅可以避免部分调用限制，还能根据业务场景灵活控制模型精度、推理速度与成本。

下篇内容我们将重点介绍如何部署 DeepSeek 大模型，以及如何通过 API 对接，实现类似 OpenAI 的推理调用体验。