探索Tongyi Qwen：使用Langchain构建强大的聊天应用

最新推荐文章于 2024-10-03 09:00:56 发布

llzwxh888

最新推荐文章于 2024-10-03 09:00:56 发布

阅读量377

点赞数 4

文章标签： langchain python

本文链接：https://blog.csdn.net/ppoojjj/article/details/142372889

版权

引言

Tongyi Qwen是阿里巴巴达摩院开发的大型语言模型，具备强大的自然语言理解能力和语义分析能力。通过结合Tongyi Qwen与Langchain框架，开发者可以构建功能丰富的聊天应用。本文将介绍如何使用Langchain与Tongyi Qwen集成，提供详细的代码示例，并讨论开发过程中可能遇到的挑战及其解决方案。

主要内容

安装与环境准备

首先，确保已经安装了必要的Python包。您可以使用以下命令来安装Dashscope包：

%pip install --upgrade --quiet dashscope

安装完成后，可能需要重启内核以确保更新生效。

获取API密钥

在使用Tongyi Qwen之前，需要获取API密钥。访问阿里云文档获取新的令牌，并将其在代码中设置：

from getpass import getpass
import os

DASHSCOPE_API_KEY = getpass("Enter your Dashscope API Key: ")
os.environ["DASHSCOPE_API_KEY"] = DASHSCOPE_API_KEY

与Langchain集成

在Langchain中，Tongyi Qwen可以用于处理自然语言输入和生成响应。以下代码展示了如何配置并使用ChatTongyi模型：

from langchain_community.chat_models.tongyi import ChatTongyi
from langchain_core.messages import HumanMessage

chatLLM = ChatTongyi(
    streaming=True,
)
response = chatLLM.stream([HumanMessage(content="hi")], streaming=True)
for r in response:
    print("chat resp:", r)

使用工具调用

Tongyi Qwen支持调用工具API，使得模型可以返回JSON对象，描述工具及其参数。以下示例展示了如何使用绑定工具功能：

from langchain_community.chat_models.tongyi import ChatTongyi
from langchain_core.tools import tool

@tool
def multiply(first_int: int, second_int: int) -> int:
    """Multiply two integers together."""
    return first_int * second_int

llm = ChatTongyi(model="qwen-turbo")
llm_with_tools = llm.bind_tools([multiply])

msg = llm_with_tools.invoke("What's 5 times forty two")
print(msg)

可视化功能

Tongyi Qwen具备处理图像的能力，可以通过Qwen-VL模型进行视觉内容分析：

from langchain_community.chat_models import ChatTongyi
from langchain_core.messages import HumanMessage

chatLLM = ChatTongyi(model_name="qwen-vl-max")
image_message = {
    "image": "https://lilianweng.github.io/posts/2023-06-23-agent/agent-overview.png",
}
text_message = {
    "text": "summarize this picture",
}
message = HumanMessage(content=[text_message, image_message])
chatLLM.invoke([message])