从 0 到 1：用 Python 对接阿里云 DashScope，轻松实现 AI 对话功能

阿里云的DashScope平台提供了丰富的大模型服务，本文将以调用"qwen-plus"模型为例，详细介绍如何使用Python实现与大模型的对话交互。

准备工作

首先，我们需要准备好调用API的必要条件：

拥有阿里云账号并开通DashScope服务
获取API密钥（DASHSCOPE_API_KEY）
安装必要的Python库（requests）

可以通过pip安装requests库：

bash 复制代码

pip install requests

完整代码实现

下面是调用DashScope API的完整代码示例：

python 复制代码

import requests
import json
import os

# 从环境变量获取API密钥，避免硬编码密钥
DASHSCOPE_API_KEY = os.getenv('DASHSCOPE_API_KEY')

# 构建请求数据
json_data = {
    "model": "qwen-plus",  # 指定使用的模型
    "temperature": 0.8,    # 控制生成内容的随机性，值越大越随机
    "frequency_penalty": 0.5,  # 控制重复内容的惩罚力度
    "max_tokens": 256,     # 最大生成token数
    "stream": False,       # 是否流式返回
    "messages": [
        {
            "role": "system",  # 系统角色，用于设定助手行为
            "content": "You are a helpful assistant."
        },
        {
            "role": "user",    # 用户角色，存放用户提问
            "content": "介绍下颐和园"
        }
    ]
}


# 发送POST请求调用API
resp = requests.post(
    url='https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions',
    headers={
        'Authorization': f'Bearer {DASHSCOPE_API_KEY}',  # 身份验证头
        'Content-Type': 'application/json',              # 数据格式声明
        'Accept': 'application/json'                     # 期望的响应格式
    },
    data=json.dumps(json_data, ensure_ascii=False)  # 将字典转换为JSON字符串
)

# 处理响应结果
if resp.status_code == 200:
    # 成功时提取并打印回复内容
    print(resp.json()['choices'][0]['message']['content'])
else:
    # 失败时打印状态码
    print(f"请求失败，状态码：{resp.status_code}")

代码解析

API密钥获取与使用 ：代码中通过os.getenv('DASHSCOPE_API_KEY')从环境变量获取API密钥，避免了将密钥硬编码在代码中带来的安全风险。
请求参数说明：
- model：指定要使用的模型，这里使用的是"qwen-plus"
- temperature：控制生成内容的随机性，取值范围0-1，值越大生成内容越多样
- frequency_penalty：控制重复内容的生成，值越大越不容易生成重复内容
- messages：对话历史列表，包含system和user两种角色的消息
请求发送：使用requests库的post方法发送请求，需要指定正确的API地址和请求头。请求头中包含了身份验证信息和数据格式声明。
响应处理：根据HTTP状态码判断请求是否成功（200表示成功），成功时从响应JSON中提取回复内容，失败时打印错误状态码。

常见问题与解决

401错误：通常是API密钥不正确或未设置，请检查DASHSCOPE_API_KEY是否正确。
403错误：可能是没有开通对应模型的使用权限，需要在阿里云控制台进行配置。
429错误：请求过于频繁，超过了API的调用频率限制，可以考虑降低调用频率。
5xx错误：服务器端错误，通常是临时情况，可以稍后重试。

通过以上代码，我们可以快速实现与阿里云DashScope大模型的对话交互。根据实际需求，你可以修改messages中的内容来实现不同的对话场景，也可以调整其他参数来优化生成结果。