调用智谱和阿里云百炼平台的大模型

智谱大模型

bash 复制代码
https://www.bigmodel.cn

通过智谱平台获取相关的大模型

相关依赖:

环境变量:

确保余额或免费额度大于零。

bash 复制代码
from langchain_community.chat_models import ChatZhipuAI
import os

from dotenv import load_dotenv

load_dotenv(override=True)

ZHIPUAI_API_KEY = os.getenv("ZHIPUAI_API_KEY")
ZHIPUAI_BASE_URL = os.getenv("ZHIPUAI_BASE_URL")

model = ChatZhipuAI(
    model = "glm-5.3",
    api_key=ZHIPUAI_API_KEY,
    api_base=ZHIPUAI_BASE_URL,
)

response = model.invoke("请用一句话介绍你自己")

print(response)

优化:

bash 复制代码
from langchain_community.chat_models import ChatZhipuAI

from dotenv import load_dotenv

load_dotenv(override=True)


model = ChatZhipuAI(
    model = "glm-5.3",
)

response = model.invoke("请用一句话介绍你自己")

print(response)

千问大模型

通过阿里云百炼平台调用,官网:https://bailian.console.aliyun.com

相关依赖:

环境变量:

在.env中补充

bash 复制代码
DASHSCOPE_API_KEY=<Your API Key>

注意:一般不要添加这样的环境变量

百炼平台提供了两种访问方式:专用SDK和OpenAI兼容接口,上述URL是为后者准备的,而ChatTongyi

底层是基于专用SDK实现的,如果指定了上述URL,则运行报错

bash 复制代码
from langchain_community.chat_models import ChatTongyi

import os

from dotenv import load_dotenv

load_dotenv(override=True)

DASHSCOPE_API_KEY = os.getenv("DASHSCOPE_API_KEY")

model = ChatTongyi(
    model = "qwen3-max",
    api_key=DASHSCOPE_API_KEY,

)

response = model.invoke("请用一句话介绍你自己")

print(response)

优化:

bash 复制代码
from langchain_community.chat_models import ChatTongyi

from dotenv import load_dotenv

load_dotenv(override=True)

model = ChatTongyi(
    model = "qwen3-max",

)

response = model.invoke("请用一句话介绍你自己")

print(response)
相关推荐
梦想不只是梦与想2 小时前
LangGraph图:State、Node、Edge(一)
langchain·大模型·langgraph
王国强20095 小时前
Deep Agents Code 源码阅读(一):怎么避免在一个 6000 多行的 main.py 中迷失
langchain
YIAN8 小时前
从 SSE 流式到结构化输出:LangChain 三大 OutputParser 与 ToolCall 方案全实战
前端·langchain·node.js
YIAN8 小时前
从 SSE 流式原理到 LangChain 结构化输出:打字机效果与 JSON 解析全方案实战
前端·langchain
10年前端老司机9 小时前
Next.js+LangGraph.js+ 简历工具AI Agent完整落地
前端·langchain·agent
BreezeJiang14 小时前
从 LangChain 到 LangGraph:多 Agent 不是玄学,是 token 账本和干扰问题
langchain·agent
YIAN14 小时前
LangChain.js 对话记忆体系(一):内存存储与文件持久化,让 AI 拥有对话记忆
前端·后端·langchain
柒和远方14 小时前
混合检索 RAG 全链路:查询增强、双路召回与重排——向量库和搜索引擎联手补齐召回
elasticsearch·langchain·llm
10年前端老司机15 小时前
LLM降本提速三档对比:无缓存、普通缓存、语义缓存(LangChain生产落地)
人工智能·python·langchain