阿里云百炼与通义千问接入

一句话概括：大模型开发的第一课不是写代码，而是拿到"弹药"------在阿里云百炼平台完成注册、实名认证、开通免费额度、创建 API-KEY 四步，即可用代码联网调用通义千问等满血大模型，学习阶段零成本。

阿里云百炼（Model Studio，原"大模型服务平台百炼"）是阿里云的一站式大模型服务平台，聚合了通义千问（qwen-turbo / qwen-plus / qwen-max）、DeepSeek 等 170 余个模型，并兼容 OpenAI API 调用格式。代码接入只需五步：注册阿里云账号 → 完成个人实名认证 → 开通免费额度 → 在"密钥管理"创建 API-KEY → 在代码中配置环境变量 DASHSCOPE_API_KEY 与兼容端点，即可像调用函数一样调用云端大模型。本文是黑马程序员《大模型 RAG 与 Agent 实战》67 集课程第 2 集的完整操作手册，并补充了视频未展开的额度有效期、KEY 安全与最小验证代码。

一、为什么"接入模型"是 67 集课程的地基

这套课程基于 LangChain 技术栈，从提示词工程讲到 RAG 检索增强生成，再到 Agent 智能体项目落地。而后面所有内容------提示词优化、链式调用、向量检索、工具编排------本质上都围绕"调用一个大语言模型"展开。没有可用的模型，后面 65 集全是空中楼阁。

这一集不写一行代码，解决的是"弹药从哪里来"的问题。讲师的策略很务实：不讲半小时模型原理，直奔"怎么最快、最省钱地拿到一个能用的模型"。对零基础学员，"先跑起来再说"远比一上来啃 Transformer 论文友好。

二、两条接入路线：本地 Ollama vs 云端百炼 API

对比维度	路线一：Ollama 本地部署	路线二：百炼云端 API（课程采用）
本质	在自己电脑上运行模型文件	通过网络调用云端模型
可用模型	Qwen / DeepSeek 蒸馏版，1.5B、7B、8B 量级	通义千问全系列、DeepSeek 等满参数模型
硬件门槛	吃显卡和内存，参数量受硬件天花板限制	零硬件门槛，能跑 Python、能联网即可
费用	软件免费，硬件自担	按 Token 计费，新用户免费额度覆盖学习全程
数据隐私	数据不出本机，可离线	数据经网络发送到云端
模型效果	多步推理、长上下文、复杂代码能力明显衰减	满血版，推理、知识、指令遵循完整
适合场景	离线、数据敏感、有显卡折腾	学习开发、生产应用、追求效果效率

一句话决策（if-then）：

学习/开发、没有高性能显卡、想要满血效果 → 选云端百炼 API；
数据不能出本机、需要离线、且有像样显卡 → 选 Ollama 本地部署 7B/8B 量化模型；
只想体验问答 → 网页对话框即可，不需要 API-KEY；
要写代码做 RAG、Agent、批量处理 → 必须走 API 调用。

课程选云端的深层理由：链路出问题时可以确信是工程问题、不是模型智商问题，这对建立正确的调试直觉很重要。

三、蒸馏模型与满参数模型：被压缩的能力去哪了

**模型蒸馏（Knowledge Distillation）**是用大参数"教师模型"训练小参数"学生模型"，让小模型模仿大模型输出。DeepSeek-R1 开源后的蒸馏版，就是把 671B 的推理能力"浓缩"进 1.5B--70B 小模型。

浓缩必然有损耗。1.5B 级模型在简单问答、格式化任务上尚可，一旦涉及多步推理、长上下文、复杂代码生成，衰减非常明显。这解释了一个新手常踩的坑：本地小模型做 RAG，检索召回明明正常，总结答案就是差口气，于是怀疑代码写错了------其实锅在模型身上。 用云端满血模型，等于把这个变量从排查清单里划掉。

四、Token、免费额度与成本：先把账算明白

Token 是模型处理文本的基本计量单位，计费、限流、上下文窗口都以它为度量衡。粗略换算：一个汉字约占 1--2 个 Token，一个英文单词约 1 个 Token；一次普通问答通常在几百到几千 Token。

百炼新用户免费政策（以官方页面实时显示为准）：

每个模型约 100 万 Token 免费额度，视频演示时可选模型达 172 个；
免费额度有效期为百炼开通后 90 天内------视频未强调但极关键，学习计划别拖过有效期；
额度按模型独立计算，"用完一个换一个"：qwen-plus 用光换 qwen-max，顺便对比各模型速度、文风与推理质量。

100 万 Token 约支撑数百到上千次普通调用，配合"用完即停"学完整门课不花钱。付费单价为每百万 Token 几元量级、随模型不同且官方经常调价，以百炼"模型定价"页为准。

五、五步走：从注册到拿到 API-KEY

第 1 步：注册登录阿里云账号。 打开百炼控制台 bailian.console.aliyun.com，用手机号注册或直接复用淘宝/支付宝体系的阿里云账号，不要重复注册多个账号；同意服务协议即自动开通百炼。

第 2 步：实名认证。 未实名无法开通任何云服务。学习选个人认证："去认证" → "个人认证" → 支付宝扫码刷脸，一两分钟完成，省去上传身份证等人工审核。企业认证需营业执照和对公验证，与学习无关。所有 API 行为记在实名主体名下，务必用本人信息。

第 3 步：开通免费额度。 重进百炼，弹窗点"开始体验" → "我知道了"即到账；在"模型用量 → 免费额度"查看各模型余量。

第 4 步：创建 API-KEY（最关键）。 左侧导航拉到底部 → "API-KEY 密钥管理" → "创建 API-KEY" ，归属选主账户，业务空间跳过，确定后生成 sk- 开头的密钥，立即复制保存 。创建时无需绑定模型，调用哪个由代码里的模型名决定。建议按项目/环境建多个 KEY，泄露时可单独吊销。

第 5 步：开启"用完即停"（必做）。 在"模型用量 → 免费额度"给常用模型勾上该开关：额度耗尽后调用直接失败、返回 HTTP 403（错误码 AllocationQuota.FreeTierOnly），不会悄悄转付费。未实名账号强制开启且不可关，实名后可自行切换。宁可程序报错，不让钱包流血。

API-KEY 安全三条铁律：

不要硬编码进代码、不要提交 GitHub------公开仓库的密钥几小时内就会被爬虫扫走刷出高额账单；
用环境变量存放 （课程第 4 集专讲）：Windows 执行 setx DASHSCOPE_API_KEY "sk-你的密钥" 后重开终端；macOS/Linux 在 ~/.bashrc 写 export DASHSCOPE_API_KEY="sk-你的密钥"；
不截图发群、不写进前端页面；怀疑泄露立即吊销重建。

六、拿到 KEY 之后：最小验证代码（下一集详解）

百炼兼容 OpenAI 接口规范，换掉 api_key、base_url、模型名即可，技能可直接迁移到其他平台：

复制代码

# pip install openai
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),        # 环境变量读取，切勿硬编码
    base_url="[https://dashscope.aliyuncs.com/compatible-mode/v1](https://dashscope.aliyuncs.com/compatible-mode/v1)",  # 百炼兼容端点
)

resp = client.chat.completions.create(
    model="qwen-plus",
    messages=[{"role": "user", "content": "你是谁？"}],
)
print(resp.choices[0].message.content)

主力模型选型（价格以官方定价页为准）：qwen-turbo 最快最省、适合简单高频任务；qwen-plus 效果成本平衡、课程主力；qwen-max 能力最强、适合复杂推理但最贵。三者接口一致，改一个模型名即可切换对比。

七、网页聊天与 API 调用：本质区别

网页对话框是封装好的成品，只能打字发送，无法定制系统提示词、无法接入业务流程、无法批量处理，更做不了 RAG 和 Agent。API 把模型还原成一个函数：输入结构化消息与参数，输出结构化响应，可嵌进任意代码逻辑。两者的差距大概是"用电"和"设计电路"的差距------API 化之后，模型与数据库、缓存、消息队列处于同一抽象层，成为可编程的基础设施。

八、67 集课程地图

前置准备（6 集）：云端接入、代码调用、环境变量保护 KEY、Ollama 简介与 Win/Mac 部署、本地模型调用；
OpenAI 库基础（3 集）：基础调用、流式输出、带历史消息的多轮对话；
提示词工程（6 集）：零样本/少样本、金融分类、信息抽取、文本匹配、JSON 格式化；
RAG 开发（29 集，最厚重）：LangChain、向量与余弦相似度、嵌入模型、提示词模板、Chain/Runnable、输出解析器、Memory、文档加载分割、向量存储；
RAG 项目实战（9 集）：Web 上传、md5 去重、知识库更新、历史会话的完整问答系统；
Agent 智能体（13 集）：ReAct 框架、中间件、各类工具开发与完整 Agent 项目。

后续每一段都默认你已完成本集接入。建议看完立刻办完注册、认证、建 KEY------看教程最贵的成本从来不是免费额度，而是"收藏了等于学了"。

九、常见问题 FAQ

Q1：没有显卡能学吗？

能。主线走云端 API，对硬件几乎零要求，能跑 Python、能联网即可；Ollama 本地部署只是补充。

Q2：免费额度多少、能用多久？

每个模型约 100 万 Token、按模型独立计算，有效期为开通后 90 天内；配合"用完即停"和模型轮用，学完课程不付费，数额以官方页面为准。

Q3：个人还是企业认证？

学习一律个人认证，支付宝刷脸一两分钟完成；企业认证需营业执照和对公验证。

Q4：API-KEY 在哪看？丢了怎么办？

"API-KEY 密钥管理"页可查看、禁用、删除；密钥明文通常只在创建时完整展示一次，没保存就删除重建并更新环境变量。

Q5：能用网页版代替 API 吗？

不能。网页版无法被代码调用，不支持自定义提示词、批处理和业务集成。

Q6：本地和云端结果不一致正常吗？

正常。1.5B--8B 蒸馏模型在多步推理、长上下文上衰减明显，实验时区分"代码问题"和"模型能力问题"。

Q7：需要什么前置基础？

基本 Python 语法即可，LangChain、RAG、Agent 都从概念讲起，属应用开发入门级。

Q8：KEY 泄露了怎么办？

立即在密钥管理页吊销、重建并更新所有环境变量，检查用量面板有无异常调用；预防靠环境变量、按项目分 KEY、不提交公开仓库。

Q9："用完即停"耗尽时什么表现？

调用直接失败并返回 HTTP 403、错误码 AllocationQuota.FreeTierOnly，不会转付费；换一个还有额度的模型继续即可。

Q10：turbo / plus / max 怎么选？

学习和高频实验先用 turbo/plus（快、省），复杂推理效果不满意再换 max；接口一致，改模型名即可。

Q11：百炼兼容 OpenAI 吗？base_url 是什么？

兼容。端点为 [https://dashscope.aliyuncs.com/compatible-mode/v1](https://dashscope.aliyuncs.com/compatible-mode/v1)，替换 OpenAI SDK 的 base_url 和 KEY 即完成迁移；环境变量约定名 DASHSCOPE_API_KEY。

Q12：一个 Token 多少汉字？调用多少钱？

粗略口径一个汉字约 1--2 Token、一个英文单词约 1 Token；付费单价为每百万 Token 几元量级且随模型和官方调价变化，学习期用免费额度，精确价查百炼"模型定价"页。

结语

这一集归结为六个字：选云端、开额度、拿 KEY。它确立了三件贯穿整门课的东西：模型即服务（MaaS）的调用范式、API-KEY 的安全意识、Token 计量的成本直觉。下一集进入代码环节，用这把钥匙完成第一次联网对话。

本文基于 2026 年 10 月的百炼平台界面与政策整理；免费额度数额、有效期、模型名与价格可能调整，以阿里云百炼官方文档为准。

参考与延伸阅读 ：百炼控制台 bailian.console.aliyun.com ｜官方文档·首次调用千问 API（help.aliyun.com/zh/model-studio/first-api-call-to-qwen）｜免费额度与用完即停规则（/new-free-quota）｜模型定价（/model-pricing）｜Ollama 官网 ollama.com

词、可不动，发布后与本文互链即可；后续 67 集笔记按链式互链组成第 5 个内容集群。