|
以下是一个完整的Python代码示例,展示如何使用DashScope SDK与Qwen进行连续对话。你需要先安装dashscope库,并确保你有一个有效的API Key。
步骤:
安装dashscope库。
设置你的API Key。
编写代码来实现连续对话。
1. 安装dashscope库
首先,你需要安装dashscope库。你可以通过以下命令安装:
2. 设置API Key
你需要从阿里云获取一个API Key。你可以在阿里云控制台的“API密钥管理”页面中找到它。
将API Key设置为环境变量或直接在代码中使用。- import os
- os.environ['DASHSCOPE_API_KEY'] = 'your_api_key_here'
复制代码
3. 实现连续对话
- import os
- from dashscope import Generation
- # 设置API Key
- os.environ['DASHSCOPE_API_KEY'] = 'your_api_key_here'
- def chat_with_qwen():
- print("欢迎与Qwen进行对话!输入'退出'结束对话。")
-
- # 初始化对话历史
- conversation_history = []
-
- while True:
- # 用户输入
- user_input = input("您: ")
-
- # 如果用户输入"退出",则结束对话
- if user_input.lower() in ["退出", "再见"]:
- print("Qwen: 再见!希望再次为您服务。")
- break
-
- # 将用户输入添加到对话历史
- conversation_history.append({"role": "user", "content": user_input})
-
- # 调用Qwen API生成回复
- response = Generation.call(
- model="qwen-max", # 你可以选择不同的模型,如 "qwen-plus", "qwen-turbo" 等
- messages=conversation_history,
- result_format='message'
- )
-
- # 获取Qwen的回复
- qwen_reply = response.output.choices[0]['message']['content']
-
- # 将Qwen的回复添加到对话历史
- conversation_history.append({"role": "assistant", "content": qwen_reply})
-
- # 打印Qwen的回复
- print(f"Qwen: {qwen_reply}")
- if __name__ == "__main__":
- chat_with_qwen()
复制代码
API Key :确保你使用的是有效的API Key,并且有足够的配额来调用Qwen API。
模型选择 :不同的Qwen模型有不同的性能和成本。qwen-max是最强大的模型,适合复杂任务,而qwen-turbo则是速度最快、成本最低的模型。
对话历史管理 :在这个例子中,我们简单地将对话历史存储在一个列表中。如果你希望对话历史更长或更复杂,可以考虑优化对话管理逻辑。
希望这个示例能帮助你实现与Qwen的连续对话!如果你有任何问题或需要进一步的帮助,请随时告诉我。 |
|