1.相关概念
1.1.模型与平台
1.1.1.通义千问
通义千问 : 是阿里云研发的大语言模型;用于理解和分析用户输入的自然语言,在不同领域和任务为用户提供服务和帮助。
具体应用场景如下:
-
文字创作:撰写故事、公文、邮件、剧本和诗歌等。
-
文本处理:润色文本和提取文本摘要等。
-
编程辅助:编写和优化代码等。
-
翻译服务:提供各类语言的翻译服务,如英语、日语、法语或西班牙语等。
-
对话模拟:扮演不同角色进行交互式对话。
-
数据可视化:图表制作和数据呈现等。
1.1.2.灵积 ( DashScope )
灵积 (英文名 DashScope ) : 是阿里云推出的模型服务平台,提供了包括通义千问在内的多种模型的服务接口,建立在“模型即服务”(Model-as-a-Service,MaaS)的理念基础之上,围绕AI各领域模型,通过标准化API接口提供模型推理等服务,为用户打造一站式模型解决方案。
1.2.API-KEY
API-KEY
DashScope使用API-KEY作为调用API的密钥。API-KEY承担了调用鉴权、计量计费等功能。API-KEY被广泛应用于DashScope API中,通过 api-key 参数指定。DashScope中所有不同的模型API服务都可以使用一个API-KEY、以一致的编程方式进行调用,方便开发者进行跨模态的、多个模型的接续调用。
API-KEY是访问DashScope的密钥,请务必妥善保存。不要以任何方式公开到外部渠道,避免因未经授权的使用造成安全风险或资金损失。
推荐将API-KEY配置到环境变量中以降低API-KEY的泄漏风险
https://help.aliyun.com/zh/dashscope/developer-reference/acquisition-and-configuration-of-api-key?spm=a2c4g.11186623.0.0.42b6b400xOdsJb
如何获取通义千问API的KEY_模型服务灵积(DashScope)-阿里云帮助中心 (aliyun.com)
1.3.模型分类及token与收费
1.3.1.qwen-max
通义千问系列效果最好的模型,适合复杂、多步骤的任务。
上下文长度(Token数) | 最大输入(Token数) | 最大输出(Token数) | 输入成本(每千Token) | 输出成本(每千Token) |
---|---|---|---|---|
8k | 6k | 2k | 0.04元 | 0.12元 |
1.3.2.qwen-plus
能力均衡,推理效果和速度介于通义千问-Max和通义千问-Turbo之间,适合中等复杂任务。
上下文长度(Token数) | 最大输入(Token数) | 最大输出(Token数) | 输入成本(每千Token) | 输出成本(每千Token) |
---|---|---|---|---|
32k | 30k | 8k | 0.004元 | 0.012元 |
1.3.3.qwen-turbo
通义千问系列速度最快、成本很低的模型,适合简单任务。
上下文长度(Token数) | 最大输入(Token数) | 最大输出(Token数) | 输入成本(每千Token) | 输出成本(每千Token) |
---|---|---|---|---|
8k | 6k | 1.5k | 0.002元 | 0.006元 |
每个模型还有一些小模型
对于中文文本来说,千问模型的1个token平均对应1.5-1.8个汉字;
对于英文文本来说,1个token通常对应一个单词或词根。
2.基础说明
2.1.基础案例
创建springboot 项目导入 spring web 依赖
2.1.1.maven导入依赖
<!-- https://mvnrepository.com/artifact/com.alibaba/dashscope-sdk-java -->
<dependency>
<groupId>com.alibaba</groupId>
<artifactId>dashscope-sdk-java</artifactId>
<version>2.16.2</version>
</dependency>
2.1.2.调用代码
创建 controller 类
import com.alibaba.dashscope.aigc.generation.Generation;
import com.alibaba.dashscope.aigc.generation.GenerationParam;
import com.alibaba.dashscope.aigc.generation.GenerationResult;
import com.alibaba.dashscope.common.Message;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.InputRequiredException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.utils.Constants;
import com.alibaba.dashscope.utils.JsonUtils;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
import java.util.Arrays;
@RestController
@RequestMapping("/tongyi")
public class CallBaseController {
@Value("${tongyi.api-key}")
private String apiKey;
@RequestMapping("/call/base")
public String callBase(@RequestParam(value = "message", required = false, defaultValue = "中国的首都是哪里?") String message) throws NoApiKeyException, InputRequiredException {
GenerationResult result = callWithMessage(message);
System.out.println(JsonUtils.toJson(result));
return result.getOutput().getChoices().get(0).getMessage().getContent();
}
public GenerationResult callWithMessage(String message) throws ApiException, NoApiKeyException, InputRequiredException {
// 设置API密钥
Constants.apiKey = apiKey;
// 初始化生成对象
Generation gen = new Generation();
// 构建[ 系统 ]消息,说明AI助手的角色定位
Message systemMsg = Message.builder()
.role(Role.SYSTEM.getValue())
.content("你是一个乐于助人的AI助手.")
.build();
// 构建[ 用户 ]消息,内容为用户的问题或指令
Message userMsg = Message.builder()
.role(Role.USER.getValue())
.content(message)
.build();
// 构建生成参数对象,用于定制化生成请求
GenerationParam param = GenerationParam.builder()
.model("qwen-turbo") // 选择使用的模型
.messages(Arrays.asList(systemMsg, userMsg)) // 设置消息列表,包括系统消息和用户消息
.resultFormat(GenerationParam.ResultFormat.MESSAGE) // 设置返回格式为消息格式
.topK(50) // 设置Top-K参数,控制生成结果的多样性
.temperature(0.8f) // 设置温度参数,控制生成结果的随机性
.topP(0.8) // 设置Top-P参数,进一步控制生成结果的多样性
.seed(1234) // 设置随机种子,以获得可复现的生成结果
.build();
// 调用生成对象的call方法,执行生成请求,并返回生成结果
return gen.call(param);
}
}
请求
GET http://localhost:8081/tongyi/call/base?message=你是谁?
HTTP/1.1 200
我是阿里云开发的一款超大规模语言模型,我叫通义千问。作为一个AI助手,我的目标是帮助用户获得准确、有用的信息,解决他们的问题和困惑。无论是提供知识解答、创意建议,还是进行信息查询,我都致力于以最有效的方式提供帮助。
返回的结果
{
"requestId": "fbd59659-bf46-9bf8-9c9b-58934190e57d",
"usage": {
"input_tokens": 25,
"output_tokens": 60,
"total_tokens": 85
},
"output": {
"choices": [
{
"finish_reason": "stop",
"message": {
"role": "assistant",
"content": "我是阿里云开发的一款超大规模语言模型,我叫通义千问。作为一个AI助手,我的目标是帮助用户获得准确、有用的信息,解决他们的问题和困惑。无论是提供知识解答、创意建议,还是进行信息查询,我都致力于以最有效的方式提供帮助。"
}
}
]
}
}
2.2.多轮对话案例
多轮对话可以让大模型参考历史对话信息,更符合日常交流的场景。
实现多轮对话的关键在于维护一个存放历史对话信息的列表,并将更新后的列表作为大模型的输入,从而使大模型可以参考历史对话信息进行回复。
如果对话轮数较多,可能会超过大模型可以输入的token上限。需要控制输入大模型的token数量。
2.2.1.调用代码
import com.alibaba.dashscope.aigc.generation.Generation;
import com.alibaba.dashscope.aigc.generation.GenerationParam;
import com.alibaba.dashscope.aigc.generation.GenerationResult;
import com.alibaba.dashscope.common.Message;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.InputRequiredException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.utils.Constants;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
import java.util.ArrayList;
import java.util.List;
@RestController
@RequestMapping("/tongyi")
public class CallManyController {
@Value("${tongyi.api-key}")
private String apiKey;
// 历史消息列表
private List<Message> historyMessage =
new ArrayList<>(List.of(createMessage(Role.SYSTEM, "你是一个乐于助人的AI助手. 可以按照使用者来设置身份, 你要记住这些设置!")));
// 历史消息列表的最大长度
private int maxLen = 10;
@RequestMapping("/call/many")
public String callMany(@RequestParam(value = "message", required = false, defaultValue = "中国的首都是哪里?") String message) throws NoApiKeyException, InputRequiredException {
// 用户输入的文本是UserMessage
historyMessage.add(createMessage(Role.USER, message));
// 发给AI前对历史消息对列的长度进行检查
if (historyMessage.size() > maxLen) {
historyMessage = historyMessage.subList(historyMessage.size() - maxLen - 1, historyMessage.size());
}
System.out.println("模型输入:" + historyMessage);
GenerationParam param = createGenerationParam(historyMessage);
GenerationResult result = callGenerationWithMessages(param);
System.out.println("模型输出:" + result.getOutput().getChoices().get(0).getMessage().getContent());
historyMessage.add(result.getOutput().getChoices().get(0).getMessage());
return result.getOutput().getChoices().get(0).getMessage().getContent();
}
public GenerationParam createGenerationParam(List<Message> messages) {
return GenerationParam.builder()
.model("qwen-turbo")
.messages(messages)
.resultFormat(GenerationParam.ResultFormat.MESSAGE)
.topP(0.8)
.build();
}
public GenerationResult callGenerationWithMessages(GenerationParam param) throws ApiException, NoApiKeyException, InputRequiredException {
// 设置API密钥
Constants.apiKey = apiKey;
Generation gen = new Generation();
return gen.call(param);
}
private static Message createMessage(Role role, String content) {
return Message.builder().role(role.getValue()).content(content).build();
}
}
2.2.2.测试
###
GET http://localhost:8081/tongyi/call/many?
message=你现在的名字叫王小二
###
GET http://localhost:8081/tongyi/call/many?
message=你是一名大学生
###
GET http://localhost:8081/tongyi/call/many?
message=你的学习成绩很好, 也很乐意帮助别人
###
GET http://localhost:8081/tongyi/call/many?
message=现在介绍一下你自己, 你的名字, 你的身份, 你的性格
2.3.prompt
通过prompt方式调用时,输入与输出的数据格式比messages方式简单,更适合单轮问答等简单场景;在更复杂的场景中推荐您通过messages方式调用。
import com.alibaba.dashscope.aigc.generation.Generation;
import com.alibaba.dashscope.aigc.generation.GenerationParam;
import com.alibaba.dashscope.aigc.generation.GenerationResult;
import com.alibaba.dashscope.aigc.generation.models.QwenParam;
import com.alibaba.dashscope.common.Message;
import com.alibaba.dashscope.common.ResultCallback;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.InputRequiredException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.utils.Constants;
import com.alibaba.dashscope.utils.JsonUtils;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
import java.util.Arrays;
import java.util.concurrent.Semaphore;
@RestController
@RequestMapping("/tongyi")
public class CallPromptController {
@Value("${tongyi.api-key}")
private String apiKey;
@RequestMapping("/call/prompt")
public String callBase(@RequestParam(value = "message", required = false, defaultValue = "中国的首都是哪里?") String message) throws NoApiKeyException, InputRequiredException {
try {
GenerationResult result = qwenQuickStart(message);
qwenQuickStartCallback(message);
System.out.println(JsonUtils.toJson(result));
return result.getOutput().getText();
} catch (ApiException | NoApiKeyException | InputRequiredException
| InterruptedException e) {
System.out.println(String.format("Exception %s", e.getMessage()));
}
return null;
}
/**
* 使用通义灵码快速开始生成文本
*/
public GenerationResult qwenQuickStart(String prompt) throws NoApiKeyException, ApiException, InputRequiredException {
// 设置API密钥
Constants.apiKey = apiKey;
// 创建Generation实例,用于调用API生成文本
Generation gen = new Generation();
// 构建请求参数
QwenParam param = QwenParam.builder()
.model(Generation.Models.QWEN_TURBO) // 设置使用的模型为Qwen Turbo
.prompt(prompt) // 设置提示词
.topP(0.8) // 设置采样参数topP,0.8表示在概率为0.8的范围内采样
.build();
// 调用API生成文本
GenerationResult result = gen.call(param);
// 打印生成结果的JSON格式
System.out.println(JsonUtils.toJson(result));
// 返回生成结果
return result;
}
// 回调方式实现的轻量级快速开始示例
// 该方法演示了如何通过回调实时处理请求
// 参数:prompt - 生成文本的提示信息
// 异常:NoApiKeyException - 未设置API密钥异常, ApiException - API调用异常, InputRequiredException - 必需输入缺失异常, InterruptedException - 线程中断异常
public void qwenQuickStartCallback(String prompt) throws NoApiKeyException, ApiException, InputRequiredException, InterruptedException {
// 设置API密钥
Constants.apiKey = apiKey;
// 创建生成实例
Generation gen = new Generation();
// 构建请求参数
QwenParam param = QwenParam.builder()
.model(Generation.Models.QWEN_TURBO) // 指定模型
.prompt(prompt) // 设置提示信息
.topP(0.8) // 设置采样参数,这里表示top-p采样
.build();
// 使用信号量控制回调的完成
Semaphore semaphore = new Semaphore(0);
// 调用生成接口,并指定回调处理结果
gen.call(param, new ResultCallback<GenerationResult>() {
// 当生成结果时触发
@Override
public void onEvent(GenerationResult message) {
System.out.println(message);
}
// 当发生错误时触发
@Override
public void onError(Exception ex) {
System.out.println(ex.getMessage());
semaphore.release(); // 释放信号量,允许线程继续执行
}
// 当生成完成时触发
@Override
public void onComplete() {
System.out.println("onComplete");
semaphore.release(); // 释放信号量,允许线程继续执行
}
});
// 等待回调完成
semaphore.acquire();
}
}