AI 助理
备案控制台
开发者社区 通义大模型 文章 正文

智能对话机器人(通义版)会话接口API使用Quick Start

2024-08-15 247
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
本文涉及的产品
NLP自然语言处理_基础版，每接口每天50万次
视觉智能开放平台，图像资源包5000点
NLP 自学习平台，3个模型定制额度 1个月
简介： 本文主要演示了如何使用python脚本快速调用智能对话机器人API接口，在参数获取的部分给出了具体的获取位置截图，这部分容易出错，第一次使用务必仔细参考接入参数获取的位置。

一、大模型会话接口集成概述

官方API参考地址

图片.png

二、API接口调用参数获取

  • 2.1 ACCESS_KEY_ID、ACCESS_KEY_SECRET参数获取地址

图片.png

  • 2.2 AgentKey

业务空间 key,不设置则访问默认业务空间，key 值在主账号业务管理页面获取

图片.png

  • 2.3 instance_id

图片.png

三、Python Code Sample

# -*- coding: utf-8 -*-

import hashlib
import time
import uuid
from alibabacloud_tea_openapi.client import Client as OpenApiClient
from alibabacloud_tea_openapi import models as open_api_models
from alibabacloud_tea_util import models as util_models
from alibabacloud_openapi_util.client import Client as OpenApiUtilClient
import json
import requests


class Sample:
    def __init__(self):
        pass

    # 参数设置
    ACCESS_KEY_ID = 'LTAI**********'
    ACCESS_KEY_SECRET = '8RQfmiwwn***********'
    @staticmethod
    def create_client() -> OpenApiClient:
        """
        使用AK&SK初始化账号Client
        @return: Client
        @throws Exception
        """
        # 建议使用更安全的 STS 方式，更多鉴权访问方式请参见：https://help.aliyun.com/document_detail/378659.html。
        config = open_api_models.Config(
            # 必填，请确保代码运行环境设置了环境变量 ALIBABA_CLOUD_ACCESS_KEY_ID。,
            access_key_id=Sample.ACCESS_KEY_ID,
            # 必填，请确保代码运行环境设置了环境变量 ALIBABA_CLOUD_ACCESS_KEY_SECRET。,
            access_key_secret=Sample.ACCESS_KEY_SECRET
        )
        # Endpoint 请参考 https://api.aliyun.com/product/Chatbot
        config.endpoint = f'chatbot.cn-shanghai.aliyuncs.com'
        return OpenApiClient(config)

    @staticmethod
    def get_sign(stream_secret, timestamp) -> str:
        """
        计算签名
        :param stream_secret:
        :param timestamp:
        :return:
        """
        text_to_hash = f"streamSecret={stream_secret}&timestamp={timestamp}"
        md5_hash = hashlib.md5(text_to_hash.encode('utf-8')).hexdigest()
        return md5_hash


    @staticmethod
    def create_ApplyForStreamAccessToken_api_info() -> open_api_models.Params:
        """
        API 相关
        @param path: string Path parameters
        @return: OpenApi.Params
        """
        params = open_api_models.Params(
            # 接口名称,
            action='ApplyForStreamAccessToken',
            # 接口版本,
            version='2022-04-08',
            # 接口协议,
            protocol='HTTPS',
            # 接口 HTTP 方法,
            method='POST',
            auth_type='AK',
            style='RPC',
            # 接口 PATH,
            pathname=f'/',
            # 接口请求体内容格式,
            req_body_type='json',
            # 接口响应体内容格式,
            body_type='json'
        )
        return params

    @staticmethod
    def ApplyForStreamAccessToken(
            AgentKey:str,
        ) -> str:
            client = Sample.create_client()
            params = Sample.create_ApplyForStreamAccessToken_api_info()
            # query params
            queries = {
   
   }
            queries['AgentKey'] = AgentKey
            # runtime options
            runtime = util_models.RuntimeOptions()
            request = open_api_models.OpenApiRequest(
                query=OpenApiUtilClient.query(queries)
            )
            # 复制代码运行请自行打印 API 的返回值
            # 返回值实际为 Map 类型，可从 Map 中获得三类数据：响应体 body、响应头 headers、HTTP 返回的状态码 statusCode。
            res = client.call_api(params, request, runtime)
            return res['body']

    @staticmethod
    def create_request_body(message_id, instance_id, utterance):
        """
        构造请求body
        :param message_id:消息message id
        :param instance_id:机器人id
        :param utterance:实际内容
        :return:
        """
        body = {
   
   
            "messageId": message_id,
            "action": "TongyiBeebotChat",
            "version": "2022-04-08",
            "data": [
                {
   
   
                    "type": "JSON_TEXT",
                    "value": json.dumps({
   
   
                        "InstanceId": instance_id,
                        "Utterance": utterance
                    },ensure_ascii=False)
                }
            ]
        }
        return body

    @staticmethod
    def sse_request(url, payload):
        """
        构建SSE请求
        :param url: 请求的URL
        :param payload: 要发送的数据
        :return: None
        """
        # 创建会话
        session = requests.Session()

        # 请求头
        headers = {
   
   
            'Content-Type': 'application/json'
        }

        # 使用 POST 请求获取 SSE 线
        with session.post(url, headers=headers, data=json.dumps(payload), stream=True) as response:
            # 确保请求成功
            response.raise_for_status()

            # 持续读取服务器发来的事件
            for line in response.iter_lines():
                if line:
                    # 处理每一行数据
                    data = line.decode('utf-8')
                    print(f'Received: {data}')


if __name__ == '__main__':
    AgentKey = "f6b6af483***********_p_beebot_public" # 业务空间key
    res = Sample.ApplyForStreamAccessToken(AgentKey) # 1、调用ApplyForStreamAccessToken接口
    AccessToken = res['AccessToken']
    StreamSecret = res['StreamSecret']
    ChannelId = res['ChannelId']
    time_millis = int(time.time() * 1000)
    sign = Sample.get_sign(StreamSecret, time_millis)  # 2、计算会话接口签名
    url_template = "https://alime-ws.aliyuncs.com/sse/paas4Json/{AccessToken}/{ChannelId}/{Sign}/{Timestamp}"
    url = url_template.format(AccessToken=AccessToken, ChannelId=ChannelId, Sign=sign, Timestamp=time_millis)

    # 生成一个随机的UUID
    messageId = str(uuid.uuid4())
    instance_id = "chatbot-cn-Aei********" # 机器人id
    utterance = "你有什么技能？" # 实际问题
    payload = Sample.create_request_body(messageId, instance_id, utterance)
    Sample.sse_request(url, payload) # 3、发送SSE请求，获取流式响应结果
  • 测试结果：
Received: data:{
   
   "data":[{
   
   "type":"JSON_TEXT","value":"{\"IsAIGC\":false,\"MessageId\":\"aad1d419-45cb-4f8d-9f24-a0c12ca62749\",\"SequenceId\":\"0e99be8a5ec444359a54405870cc96cf\",\"SessionId\":\"dfa8ed43a2584d6c867a1c9b5baee490\",\"StreamEnd\":false}"}],"messageId":"6bd684db-7259-4060-88fc-de562d2c86e7","requestId":"aad1d419-45cb-4f8d-9f24-a0c12ca62749","success":true}
Received: data:{
   
   "data":[{
   
   "type":"JSON_TEXT","value":"{\"IsAIGC\":true,\"MessageBody\":{\"DirectMessageBody\":{\"ContentType\":\"RICH_TEXT\",\"Ext\":{},\"SentenceList\":[{\"Content\":\"\"}]},\"Type\":\"Direct\",\"VoiceConfig\":{}},\"MessageId\":\"aad1d419-45cb-4f8d-9f24-a0c12ca62749\",\"QuerySegList\":[\"你\",\"有\",\"什么\",\"技能\",\"？\"],\"SequenceId\":\"da038f26ab9e4ad7acd8087a5b76c6e3\",\"SessionId\":\"dfa8ed43a2584d6c867a1c9b5baee490\",\"Source\":\"NON_STRUCTURAL_KNOWLEDGE\",\"StreamEnd\":false}"}],"messageId":"6bd684db-7259-4060-88fc-de562d2c86e7","requestId":"5fb4a490-e0d7-4832-b460-287724d557da","success":true}
Received: data:{
   
   "data":[{
   
   "type":"JSON_TEXT","value":"{\"IsAIGC\":true,\"MessageBody\":{\"DirectMessageBody\":{\"ContentType\":\"RICH_TEXT\",\"Ext\":{},\"SentenceList\":[{\"Content\":\"\"}]},\"Type\":\"Direct\",\"VoiceConfig\":{}},\"MessageId\":\"aad1d419-45cb-4f8d-9f24-a0c12ca62749\",\"QuerySegList\":[\"你\",\"有\",\"什么\",\"技能\",\"？\"],\"SequenceId\":\"67b712bc3a2e477aaef56beca30e441a\",\"SessionId\":\"dfa8ed43a2584d6c867a1c9b5baee490\",\"Source\":\"NON_STRUCTURAL_KNOWLEDGE\",\"StreamEnd\":false}"}],"messageId":"6bd684db-7259-4060-88fc-de562d2c86e7","requestId":"75e24897-0249-4971-b476-f366c1b16a16","success":true}
Received: data:{
   
   "data":[{
   
   "type":"JSON_TEXT","value":"{\"IsAIGC\":true,\"MessageBody\":{\"DirectMessageBody\":{\"ContentType\":\"RICH_TEXT\",\"Ext\":{},\"SentenceList\":[{\"Content\":\"\"}]},\"Type\":\"Direct\",\"VoiceConfig\":{}},\"MessageId\":\"aad1d419-45cb-4f8d-9f24-a0c12ca62749\",\"QuerySegList\":[\"你\",\"有\",\"什么\",\"技能\",\"？\"],\"SequenceId\":\"245c83ddd9584a5cb771f4f9c07351ca\",\"SessionId\":\"dfa8ed43a2584d6c867a1c9b5baee490\",\"Source\":\"NON_STRUCTURAL_KNOWLEDGE\",\"StreamEnd\":false}"}],"messageId":"6bd684db-7259-4060-88fc-de562d2c86e7","requestId":"c137f85c-1403-4395-887a-df876d37190a","success":true}
Received: data:{
   
   "data":[{
   
   "type":"JSON_TEXT","value":"{\"IsAIGC\":true,\"MessageBody\":{\"DirectMessageBody\":{\"ContentType\":\"RICH_TEXT\",\"Ext\":{},\"SentenceList\":[{\"Content\":\"\"}]},\"Type\":\"Direct\",\"VoiceConfig\":{}},\"MessageId\":\"aad1d419-45cb-4f8d-9f24-a0c12ca62749\",\"QuerySegList\":[\"你\",\"有\",\"什么\",\"技能\",\"？\"],\"SequenceId\":\"16b98b73c83e404fb10424e14307c089\",\"SessionId\":\"dfa8ed43a2584d6c867a1c9b5baee490\",\"Source\":\"NON_STRUCTURAL_KNOWLEDGE\",\"StreamEnd\":false}"}],"messageId":"6bd684db-7259-4060-88fc-de562d2c86e7","requestId":"6a3ae208-cb45-46ba-b319-d9f0a09ce415","success":true}
Received: data:{
   
   "data":[{
   
   "type":"JSON_TEXT","value":"{\"IsAIGC\":true,\"MessageBody\":{\"DirectMessageBody\":{\"ContentType\":\"RICH_TEXT\",\"Ext\":{},\"SentenceList\":[{\"Content\":\"我是个大模型，能够\"}]},\"Type\":\"Direct\",\"VoiceConfig\":{}},\"MessageId\":\"aad1d419-45cb-4f8d-9f24-a0c12ca62749\",\"QuerySegList\":[\"你\",\"有\",\"什么\",\"技能\",\"？\"],\"SequenceId\":\"65e6de0c377d4934803b258449fefbd0\",\"SessionId\":\"dfa8ed43a2584d6c867a1c9b5baee490\",\"Source\":\"NON_STRUCTURAL_KNOWLEDGE\",\"StreamEnd\":false}"}],"messageId":"6bd684db-7259-4060-88fc-de562d2c86e7","requestId":"316abed4-7c0e-42b2-bbf2-9451948a1ad6","success":true}
Received: data:{
   
   "data":[{
   
   "type":"JSON_TEXT","value":"{\"IsAIGC\":true,\"MessageBody\":{\"DirectMessageBody\":{\"ContentType\":\"RICH_TEXT\",\"Ext\":{},\"SentenceList\":[{\"Content\":\"我是个大模型，能够回答问题、创作文字，比如写\"}]},\"Type\":\"Direct\",\"VoiceConfig\":{}},\"MessageId\":\"aad1d419-45cb-4f8d-9f24-a0c12ca62749\",\"QuerySegList\":[\"你\",\"有\",\"什么\",\"技能\",\"？\"],\"SequenceId\":\"3e297b0afb64430d9982bbd3a190563a\",\"SessionId\":\"dfa8ed43a2584d6c867a1c9b5baee490\",\"Source\":\"NON_STRUCTURAL_KNOWLEDGE\",\"StreamEnd\":false}"}],"messageId":"6bd684db-7259-4060-88fc-de562d2c86e7","requestId":"97e66246-4159-4ce2-990e-db035ab64698","success":true}
Received: data:{
   
   "data":[{
   
   "type":"JSON_TEXT","value":"{\"IsAIGC\":true,\"MessageBody\":{\"DirectMessageBody\":{\"ContentType\":\"RICH_TEXT\",\"Ext\":{},\"SentenceList\":[{\"Content\":\"我是个大模型，能够回答问题、创作文字，比如写故事、写公文、写邮件\"}]},\"Type\":\"Direct\",\"VoiceConfig\":{}},\"MessageId\":\"aad1d419-45cb-4f8d-9f24-a0c12ca62749\",\"QuerySegList\":[\"你\",\"有\",\"什么\",\"技能\",\"？\"],\"SequenceId\":\"d10ee630e84f4995a0755a1448b319e1\",\"SessionId\":\"dfa8ed43a2584d6c867a1c9b5baee490\",\"Source\":\"NON_STRUCTURAL_KNOWLEDGE\",\"StreamEnd\":false}"}],"messageId":"6bd684db-7259-4060-88fc-de562d2c86e7","requestId":"95af7cc8-5439-4c50-8893-d62877fc33f7","success":true}
Received: data:{
   
   "data":[{
   
   "type":"JSON_TEXT","value":"{\"IsAIGC\":true,\"MessageBody\":{\"DirectMessageBody\":{\"ContentType\":\"RICH_TEXT\",\"Ext\":{},\"SentenceList\":[{\"Content\":\"我是个大模型，能够回答问题、创作文字，比如写故事、写公文、写邮件、写剧本等等，还能表达观点\"}]},\"Type\":\"Direct\",\"VoiceConfig\":{}},\"MessageId\":\"aad1d419-45cb-4f8d-9f24-a0c12ca62749\",\"QuerySegList\":[\"你\",\"有\",\"什么\",\"技能\",\"？\"],\"SequenceId\":\"371ac0ab34a94bc2acea1056b4939099\",\"SessionId\":\"dfa8ed43a2584d6c867a1c9b5baee490\",\"Source\":\"NON_STRUCTURAL_KNOWLEDGE\",\"StreamEnd\":false}"}],"messageId":"6bd684db-7259-4060-88fc-de562d2c86e7","requestId":"3180f1c0-b901-4189-b306-c6ff4f0a25de","success":true}
Received: data:{
   
   "data":[{
   
   "type":"JSON_TEXT","value":"{\"IsAIGC\":true,\"MessageBody\":{\"DirectMessageBody\":{\"ContentType\":\"RICH_TEXT\",\"Ext\":{},\"SentenceList\":[{\"Content\":\"我是个大模型，能够回答问题、创作文字，比如写故事、写公文、写邮件、写剧本等等，还能表达观点，玩游戏等。\"}]},\"Type\":\"Direct\",\"VoiceConfig\":{}},\"MessageId\":\"aad1d419-45cb-4f8d-9f24-a0c12ca62749\",\"QuerySegList\":[\"你\",\"有\",\"什么\",\"技能\",\"？\"],\"SequenceId\":\"044f4dadc62f4d938032b49a2bbd719b\",\"SessionId\":\"dfa8ed43a2584d6c867a1c9b5baee490\",\"Source\":\"NON_STRUCTURAL_KNOWLEDGE\",\"StreamEnd\":false}"}],"messageId":"6bd684db-7259-4060-88fc-de562d2c86e7","requestId":"4e1fcd22-2140-44d1-adde-f3ecb754939e","success":true}
Received: data:{
   
   "data":[{
   
   "type":"JSON_TEXT","value":"{\"IsAIGC\":true,\"MessageBody\":{\"DirectMessageBody\":{\"ContentType\":\"RICH_TEXT\",\"Ext\":{},\"SentenceList\":[{\"Content\":\"我是个大模型，能够回答问题、创作文字，比如写故事、写公文、写邮件、写剧本等等，还能表达观点，玩游戏等。\"}]},\"Type\":\"Direct\",\"VoiceConfig\":{}},\"MessageId\":\"aad1d419-45cb-4f8d-9f24-a0c12ca62749\",\"QuerySegList\":[\"你\",\"有\",\"什么\",\"技能\",\"？\"],\"SequenceId\":\"89c05efbd4b342c9a4841e7a2ce87617\",\"SessionId\":\"dfa8ed43a2584d6c867a1c9b5baee490\",\"Source\":\"NON_STRUCTURAL_KNOWLEDGE\",\"StreamEnd\":false}"}],"messageId":"6bd684db-7259-4060-88fc-de562d2c86e7","requestId":"7dd5c7f3-b2ed-42a9-a130-b29f9797e7cd","success":true}
Received: data:{
   
   "data":[{
   
   "type":"JSON_TEXT","value":"{\"IsAIGC\":true,\"MessageBody\":{\"DirectMessageBody\":{\"ContentType\":\"RICH_TEXT\",\"Ext\":{},\"SentenceList\":[{\"Content\":\"我是个大模型，能够回答问题、创作文字，比如写故事、写公文、写邮件、写剧本等等，还能表达观点，玩游戏等。\"}]},\"Type\":\"Direct\",\"VoiceConfig\":{}},\"MessageId\":\"aad1d419-45cb-4f8d-9f24-a0c12ca62749\",\"QuerySegList\":[\"你\",\"有\",\"什么\",\"技能\",\"？\"],\"SequenceId\":\"6939e0f6569345799e2b19496842ea27\",\"SessionId\":\"dfa8ed43a2584d6c867a1c9b5baee490\",\"Source\":\"NON_STRUCTURAL_KNOWLEDGE\",\"StreamEnd\":true}"}],"messageId":"6bd684db-7259-4060-88fc-de562d2c86e7","requestId":"0b7d7915-1d68-43ce-a634-bbf44ff98cc2","success":true}

更多参考

大模型会话接口集成概述

文章标签：
智能对话机器人
API
机器人
Python
关键词：
通义API
通义千问接口
机器人接口
机器人api
机器人会话
相关实践学习
阿里巴巴智能语音交互技术与应用
智能语音交互，是基于语音识别、语音合成、自然语言理解等技术，为企业在多种实际应用场景下，赋予产品“能听、会说、懂你”式的智能人机交互体验。适用于多个应用场景中，包括智能问答、智能质检、法庭庭审实时记录、实时演讲字幕、访谈录音转写等。 本课程主要讲解智能语音相关技术，包括语音识别、人机交互、语音合成等。  
taro_秋刀鱼
目录
相关文章
蚝油菜花
|
7天前
|
人工智能 自然语言处理 API
Multimodal Live API：谷歌推出新的 AI 接口，支持多模态交互和低延迟实时互动
谷歌推出的Multimodal Live API是一个支持多模态交互、低延迟实时互动的AI接口，能够处理文本、音频和视频输入，提供自然流畅的对话体验，适用于多种应用场景。
蚝油菜花
48 3
Multimodal Live API：谷歌推出新的 AI 接口，支持多模态交互和低延迟实时互动
程序员海军
|
3天前
|
前端开发 API 数据库
Next 编写接口api
Next 编写接口api
程序员海军
23 3
路人与大师
|
12天前
|
自然语言处理 搜索推荐 API
如何构建一套qwen-max智能体拥有媲美通义千问在线接口的能力
基于Qwen-Max构建的智能系统，融合了自然语言处理、决策引擎、任务识别与工具选择等技术，具备强大的多模态理解和生成能力。该系统能自动分析用户输入，识别任务类型，选择最优工具执行任务，并整合结果反馈给用户，广泛应用于查询、生成、翻译和图像处理等多个领域，显著提升了任务处理效率和智能化水平。
路人与大师
90 9
winx_19970108018
|
9天前
|
XML JSON 缓存
阿里巴巴商品详情数据接口（alibaba.item_get) 丨阿里巴巴 API 实时接口指南
阿里巴巴商品详情数据接口（alibaba.item_get）允许商家通过API获取商品的详细信息，包括标题、描述、价格、销量、评价等。主要参数为商品ID（num_iid），支持多种返回数据格式，如json、xml等，便于开发者根据需求选择。使用前需注册并获得App Key与App Secret，注意遵守使用规范。
winx_19970108018
28 6
winx_19970108018
|
8天前
|
JSON API 开发者
淘宝买家秀数据接口（taobao.item_review_show）丨淘宝 API 实时接口指南
淘宝买家秀数据接口（taobao.item_review_show）可获取买家上传的图片、视频、评论等“买家秀”内容，为潜在买家提供真实参考，帮助商家优化产品和营销策略。使用前需注册开发者账号，构建请求URL并发送GET请求，解析响应数据。调用时需遵守平台规定，保护用户隐私，确保内容真实性。
winx_19970108018
35 4
winx_19970108018
|
8天前
|
搜索推荐 数据挖掘 API
淘宝天猫商品评论数据接口丨淘宝 API 实时接口指南
淘宝天猫商品评论数据接口（Taobao.item_review）提供全面的评论信息，包括文字、图片、视频评论、评分、追评等，支持实时更新和高效筛选。用户可基于此接口进行数据分析，支持情感分析、用户画像构建等，同时确保数据使用的合规性和安全性。使用步骤包括注册开发者账号、创建应用获取 API 密钥、发送 API 请求并解析返回数据。适用于电商商家、市场分析人员和消费者。
winx_19970108018
20 3
游客6mfiw47oon7x4
|
9天前
|
人工智能 自然语言处理 搜索推荐
如何构建媲美通义千问在线接口的qwen-max智能体
qwen-max智能体是一个高效、多功能的系统，擅长处理查询、文本生成、翻译、图像处理等任务。通过自然语言理解、任务识别、决策引擎和工具选择，它能自动选择最佳方案，满足用户多样化需求，提供智能化服务。系统旨在快速响应、精准执行，并持续优化，支持多任务类型，适应不断变化的需求。
游客6mfiw47oon7x4
65 5
路人与大师
|
12天前
|
人工智能 自然语言处理 搜索推荐
如何构建一套qwen-max智能体拥有媲美通义千问在线接口的能力
智能系统通过任务识别、决策引擎、工具选择和结果整合，自动选择合适的工具和方法，高效处理查询、生成、翻译、图像处理等任务，提供精准的解决方案。系统支持自然语言理解、任务分类、语义解析与意图识别，确保任务的准确执行和反馈。
路人与大师
62 3
winx_19970108018
|
18天前
|
JSON API 开发工具
淘宝实时 API 接口丨淘宝商品详情接口（Taobao.item_get）
淘宝商品详情接口（Taobao.item_get）允许开发者获取商品的详细信息，包括基本信息、描述、卖家资料、图片、属性及销售情况等。开发者需注册账号、创建应用并获取API密钥，通过构建请求获取JSON格式数据，注意遵守平台规则，合理使用接口，确保数据准确性和时效性。
winx_19970108018
91 8
jianz123
|
19天前
|
JSON 安全 API
Python调用API接口的方法
Python调用API接口的方法
jianz123
86 5

通义大模型

热门文章

最新文章

  • 1
    阿里云通义千问向全社会开放！
  • 2
    maven配置阿里云镜像源
  • 3
    ollama + qwen2.5-coder + VS Code + Continue 实现本地AI 辅助写代码
  • 4
    Cursor + qwen2.5-coder 32b 的配置方式
  • 5
    【完全免费】VS Code 最好用的 12 款 AI 代码提示插件！！！
  • 6
    通义千问API：让大模型使用各种工具
  • 7
    大模型进阶微调篇（一）：以定制化3B模型为例，各种微调方法对比-选LoRA还是PPO，所需显存内存资源为多少？
  • 8
    基于NVIDIA A30 加速卡推理部署通义千问-72B-Chat测试过程
  • 9
    通义千问API入门教程
  • 10
    深入剖析 Qwen2.5 - 32B 模型在 VLLM 上的单机三卡部署与运行
  • 1
    AI 编码助手：编程路上的得力伙伴
    25
  • 2
    支付宝支付对接案例详解
    43
  • 3
    Qwen-coder实现本地 RAG 框架能力Bootstrap
    88
  • 4
    百度 SEO：不是玄学，是科学与艺术的 “恋爱”
    64
  • 5
    用 Qwen2.5-Coder 开发一个网页应用，完全0基础，已部署上线，代码开源！
    93
  • 6
    基于agentscope的多智能体游戏场景-骗子酒馆
    87
  • 7
    Qwen模型角色扮演最佳实践
    261
  • 8
    通义千问 Qwen 系列的 Agent 方向探索
    46
  • 9
    Qwen2-VL微调实战：LaTex公式OCR识别任务（完整代码）
    115
  • 10
    基于通义千问32B及RAG技术的CACA指南诊疗规范平台落地实践
    53

    • 相关课程

    更多
  • 数据管理 DMS产品介绍及Data Copilot演示教程智能助手 DMS Data Copilot简介

    • 相关电子书

    更多
  • Spring Boot2.0实战Redis分布式缓存
  • CUDA MATH API
  • API PLAYBOOK

    • 相关实验场景

    更多
  • 基于Assistant Api的旅游助手
  • 如何快速体验通义大模型
  • 快速体验智能体API应用
  • 如何快速体验调用通义大模型
  • 5分钟操作EAS一键部署通义千问模型
  • 使用函数计算部署通义千问大模型实现AI对话
    • 下一篇
    DataWorks