基于LangChain的RAG与Agent智能体开发 - 阿里云百炼大模型平台接入

大家好,我是小锋老师,最近更新《2027版 基于LangChain的RAG与Agent智能体 开发视频教程》专辑,感谢大家支持。

本课程主要介绍和讲解RAG,LangChain简介,接入通义千万大模型,Ollama简介以及安装和使用,OpenAI库介绍和使用,以及最重要的基于LangChain实现RAG与Agent智能体开发技术。

视频教程+课件+源码打包下载:

链接:https://pan.baidu.com/s/1_NzaNr0Wln6kv1rdiQnUTg

提取码:0000

基于LangChain的RAG与Agent智能体开发 - 阿里云百炼大模型平台接入

阿里云百炼平台简介

阿里云百炼平台是阿里云推出的一站式大模型开发与应用平台。它的核心目标是为企业和开发者提供从模型选择、训练调优到应用部署的全链路服务,降低AI应用的开发门槛和周期。

阿里云百炼平台官方:

复制代码
https://bailian.console.aliyun.com/

具体来说,它具备以下核心能力和特点:

  • 丰富的模型选择:平台集成了包括阿里通义系列在内的上百款国内外主流大模型,覆盖文本生成、多模态理解等多种场景。用户可以根据业务需求灵活选择。

  • 一站式模型定制:支持用户利用自己的数据,通过可视化界面进行模型的微调(SFT)、评估和部署,让模型更贴合特定业务场景。

  • 便捷的应用构建:提供低代码的开发环境,通过简单的流程编排和知识库集成,可以快速搭建如智能客服、AI助手等应用。它支持检索增强生成技术,让模型能结合企业私有知识进行回答。

  • 开放的生态与工具:首批上线了50多款主流的MCP服务(如高德、Notion等),让大模型能轻松连接和使用外部工具,实现更复杂的任务,比如构建一个能自动规划行程的智能体。

  • 灵活的成本与安全:采用按量付费模式,新用户通常有免费额度。同时,平台承诺不会将用户数据用于模型训练,并采用多重加密保障数据安全。

阿里云百炼大模型平台注册以及创建API key

打开阿里云百炼平台官方:

复制代码
​https://bailian.console.aliyun.com/​

我们用支付宝快捷登录。

官方默认给我们一些主流模型的试用100万 token额度,学习足够了,我们点"模型服务" -> "工作台" -> 模型用量",这里有个非常重要的注意点,大家一定要开启下"免费额度用完即停"。

接下来,我们要使用阿里云百炼平台接口的话,需要先创建API Key。

我们点"模型服务" -> "秘钥服务" ,点击"创建API Key"

弹出"创建API Key"窗体,选择归属账号,然后点"确定"即可

这样的话,我们就创建好了API Key

使用OpenAI库调用阿里百炼云平台大模型

OpenAI库是OpenAI官方提供的Python SDK(软件开发工具包),它就像一座桥梁,让开发者可以用Python代码方便地调用OpenAI的各种强大AI模型(如GPT系列),当然阿里百炼云平台也兼容支持OpenAI库。

DashScope(模型服务灵积)是阿里云推出的一个模型服务平台。它就像阿里云版的"OpenAI API 平台",旨在通过标准化的API接口,为开发者提供丰富、易用的AI模型服务 。

如果说 openai 库是通往OpenAI模型世界的钥匙,那么 DashScope 就是通往阿里云通义千问等系列模型世界的大门。

首先新建python项目RAGPro1

然后我们安装下 openai 库

复制代码
pip install openai -i https://pypi.tuna.tsinghua.edu.cn/simple  --trusted-host pypi.tuna.tsinghua.edu.cn

接着我们新建一个helloWorld.py。在阿里云百炼平台,点"模型",我们选Qwen3.5-Plus

往下拉:

我们复制这个代码,贴到helloWorld.py里面,这个代码直接运行会报错的,因为我们还没有设置环境变量API_KEY。

我们接下来设置下DASHSCOPE_API_KEY环境变量,右击"我的电脑"->属性->"高级系统设置"

环境变量分用户变量和系统该变量,我们都设置下。选新建,然后变量名输入DASHSCOPE_API_KEY,变量值就是你的api key值。

同理,系统变量也加下这个变量。

设置完环境变量之后,一定要重启你的Pycharm,然后再运行下helloWorld:

当然我们也可以换模型,测试,我们换个 MiniMax-M2.5

相关推荐
灵机一物3 小时前
灵机一物AI智能电商小程序(已上线)-从零构建高可用智能电商客服:LangGraph+LlamaIndex+ES三层检索RAG系统实战|彻底解决大模型幻觉
elasticsearch·大模型实战·rag·llamaindex·langgraph·电商客服·零幻觉问答
装不满的克莱因瓶4 小时前
【从零搭建】SpringAI Alibaba + RAG + Milvus + Qwen 项目实战
人工智能·ai·大模型·milvus·rag·springai·向量库
xier_ran4 小时前
【第二周】RAG与Agent实战09:LangChain访问阿里云通义大模型
阿里云·langchain·云计算
小超同学你好6 小时前
OpenClaw 中的 Skills 机制与复现
人工智能·语言模型·langchain
xier_ran14 小时前
【第二周】 RAG与Agent实战03:OpenAI库的流式输出
自然语言处理·agent·rag
萧曵 丶14 小时前
LangChain Model IO 提示词模版(Python版)
开发语言·python·langchain
qq_54702617914 小时前
RAG 相似度计算
langchain
xier_ran16 小时前
【第二周】RAG与Agent实战08:提示词优化案例_金融文本匹配判断
自然语言处理·金融·prompt·agent·rag
矩阵科学21 小时前
Langchain.js 实战二:会话消息
langchain