非技术人员如何使用灵积模型API

灵积模型API服务，即DashScope，是一个建立在“模型即服务”（Model-as-a-Service，MaaS）理念基础上的平台，它围绕AI各领域模型，通过标准化API提供模型推理、模型微调训练等模型服务。DashScope旨在为AI应用开发者提供品类丰富、数量众多的模型选择，并通过API接口为其提供开箱即用、能力卓越、成本经济的模型服务。

灵积模型是一种集成了深度学习技术的人工智能模型，它能够对海量数据进行高效分析和智能预测，从而帮助企业和个人做出更为精准的决策。作为一种先进的数据分析工具，它通过识别数据中的模式和趋势，提供了一种基于实证的决策支持方法。

根据最新的市场研究报告，灵积模型因其在数据驱动决策中的关键作用，正迅速受到各行各业的青睐。例如，一项由国际数据公司(IDC)发布的报告显示，采用灵积模型的企业在决策效率上平均提高了30%，决策准确率也显著增加，这进一步证实了灵积模型在现代商业智能中的受欢迎程度。

什么是灵积模型API

灵积模型API（DashScope API）是阿里云提供的一项服务，它允许用户通过编程方式调用通义千问模型来实现各种功能，如内容创作、翻译服务、文本摘要等。用户可以通过HTTP接口、OpenAI SDK或DashScope SDK来调用模型。在使用之前，需要开通DashScope服务并获得API-KEY，然后选择所需的模型进行调用。

用户在使用灵积模型API 时，需要配置一些参数，如模型名、对话历史、生成参数（包括温度、概率阈值等）、随机数种子、是否使用流式输出等。返回结果包括模型生成的文本、角色信息、生成原因、时间戳和token使用情况等。4复制再试一次分享

作为两个软件应用程序之间通信的中介。它们在应用程序和公司软件之间架起桥梁，还提供了一列可执行命令，例如：

GET 用于检索数据。
POST 用于创建数据。
PUT 用于更新数据。
DELETE 用于删除数据。

灵积模型API是一种集成了深度学习技术的人工智能接口，能够高效分析数据、提供智能预测，助力企业与个人做出精准决策。

灵积模型API的HTTP方法

用POST方法举个例子，如何和模型进行互动：

示例代码

from openai import OpenAI

import os



def get_response():

    client = OpenAI(

        api_key=os.getenv("DASHSCOPE_API_KEY"), # 如果您没有配置环境变量，请在此处用您的API Key进行替换

        base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",  # 填写DashScope服务的base_url

    )

    completion = client.chat.completions.create(

        model="qwen-turbo",

        messages=[

            {'role': 'system', 'content': 'You are a helpful assistant.'},

            {'role': 'user', 'content': '用萝卜、土豆、茄子做饭，给我个菜谱。'}],

        temperature=0.8,

        top_p=0.8

        )

    print(completion.model_dump_json())



if __name__ == '__main__':

    get_response()

返回结果

{

  "id": "chatcmpl-cb68d043-fc6d-9b3b-87d2-151e2a0f6ac4",

  "choices": [

    {

      "finish_reason": "stop",

      "index": 0,

      "logprobs": null,

      "message": {

        "content": "当然可以，这里有一个简单的三菜合一的菜品建议：蔬菜炖豆腐。这道菜结合了萝卜、土豆和茄子，营养丰富，做法也相当简单：\n\n**材料：**\n1. 萝卜半个\n2. 土豆1个\n3. 茄子2个\n4. 嫩豆腐1块\n5. 大葱1根\n6. 生姜适量\n7. 大蒜2瓣\n8. 食用油适量\n9. 盐适量\n10. 料酒适量\n11. 鸡精或味精适量\n12. 清水适量\n\n**步骤：**\n1. 萝卜、土豆去皮切块，茄子洗净去蒂，切成滚刀块。大葱切段，生姜切片，大蒜切末。\n2. 豆腐切块，放入开水中焯水，捞出沥干备用，这样可以去腥并使豆腐更加嫩滑。\n3. 热锅凉油，放入葱姜蒜爆香。\n4. 放入土豆块，翻煎至微黄色，再加入萝卜块和茄子块，继续翻炒均匀。\n5. 加入料酒，翻炒均匀后，倒入足够的清水，水量要没过所有蔬菜。\n6. 煮沸后转小火，慢慢炖煮15-20分钟，让蔬菜充分吸收汤汁。\n7. 加入焯过水的豆腐，再次煮沸后转小火，盖上锅盖炖5分钟左右，让豆腐充分入味。\n8. 最后加入适量的盐和鸡精（或其他调味品），搅拌均匀，尝一下味道，根据需要调整。\n9. 关火，撒上一些葱花点缀，即可出锅。\n\n这道菜色彩丰富，营养均衡，是一道适合家常的健康菜肴。",

        "role": "assistant",

        "function_call": null,

        "tool_calls": null

      }

    }

  ],

  "created": 1721636832,

  "model": "qwen-turbo",

  "object": "chat.completion",

  "service_tier": null,

  "system_fingerprint": null,

  "usage": {

    "completion_tokens": 398,

    "prompt_tokens": 32,

    "total_tokens": 430

  }

}

灵积模型API的功能

灵积模型API提供了一系列的功能，使得企业和开发者可以轻松地集成和使用阿里云提供的AI大模型服务。以下是一些核心功能：

模型推理：基于自适应跨区域弹性和推理优化能力，提供开箱即用、种类丰富、灵活高效的模型服务。
模型定制：通过训练优化和高效微调技术，提供模型微调能力，帮助用户快速定制业务专属模型。
模型部署管理：通过模型服务部署API，将模型部署为可调用的服务，用于验证模型效果或用于生产服务。
多语言支持：支持自然语言处理等多种语言，适用于不同国家和地区的业务需求。
高级分析：提供图像识别和数据分析等高级功能，帮助企业洞察市场趋势和用户行为。
自动化交互：通过API实现程序的自动化交互，提高服务效率和响应速度。

灵积模型API的费用

名称	计费单元	计费单价	免费额度
通义千问	千tokens	qwen-turbo: 0.008元/千tokens qwen-plus: 0.02元/千tokens qwen-max， qwen-max-longcontext: 0.12元/千tokens	qwen-turbo: 开通即获赠200万 tokens 限时免费额度 qwen-plus， qwen-max， qwen-max-longcontext: 开通即获赠100万 tokens 限时免费额度
Paraformer语音识别	秒	0.00008元/秒	免费额度每月36,000秒
通用文本向量	千tokens	0.0007元/千tokens	text-embedding-v1: 开通即获赠50万 tokens 限时免费额度 text-embedding-async-v1: 开通即获赠2千万 tokens 限时免费额度
通义万相系列模型	图片张数	不同模型计费单价为0.08 ~ 0.16 元/张	免费500张图像
Sambert语音合成	万字	1元/万字	每月3万字

如何获取灵积模型API

打开命令提示符终端。

在Mac上，可以通过Finder > Applications > Utilities > Terminal打开终端。或者使用Spotlight搜索“terminal”。
在Windows上，可以通过开始菜单搜索“cmd”来打开命令提示符。

注册阿里云开发者账户。

如果您还没有账户，需要先在阿里云官网注册一个开发者账户。

安装必要的开发工具。

根据灵积模型API的要求，可能需要安装如Python、Java或其他编程语言环境。

创建API密钥。

登录阿里云开发者平台，找到灵积模型API服务，创建一个新的应用或项目，并在其中生成API密钥。

授权您的应用和账户。

使用生成的API密钥对您的应用进行授权，这样您的应用就可以访问灵积模型API了。

如何使用灵积模型API

在探索人工智能的无限可能之际，灵积模型API以其强大的文本处理能力，为各种应用场景提供了高效的解决方案。以下是该技术在不同操作中的使用情景概览。

GET方法：检索数据

使用场景：获取模型生成的文章摘要。

通过发送GET请求到灵积模型API的特定端点，您可以请求文章或报告的摘要信息。例如，如果您需要快速了解一篇长文章的主要内容，可以使用GET方法获取其摘要。

POST方法：创建数据

使用场景：提交文章生成请求。

使用POST方法，您可以向灵积模型API发送一个新的请求，比如请求模型基于给定的主题和关键词生成一篇文章。API将处理您的请求，并返回生成文章的草稿或摘要。

DELETE方法：删除数据

使用场景：移除不再需要的文章草稿。

如果您之前请求生成了一篇文章，但后来发现不再需要这篇文章，可以使用DELETE方法删除该文章草稿。通过指定文章的唯一标识符，API将从系统中移除这篇文章。

UPDATE方法：更新数据

使用场景：修改文章生成请求的参数。

如果您对文章生成的结果不满意，希望对某些方面进行调整，可以使用UPDATE方法修改原始请求的参数。例如，您可能希望改变文章的语气或风格，或者添加更多的细节和数据点。

灵积模型API示例

使用灵积模型API可以为不同行业和应用场景带来创新和智能化的变革。以下是几个案例，展示了如何将灵积模型API集成到各种应用中：

1. 智能客服机器人

场景描述：
在线零售商需要一个能够自动回答客户咨询的智能客服系统。

代码示例：

import requests



url = "https://www.explinks.com/api/scd20240801626417525892/lingji-model"

headers = {

    "Authorization": "Bearer YOUR_API_KEY",

    "Content-Type": "application/json"

}

data = {"query": "如何跟踪我的订单？"}



response = requests.post(url, headers=headers, json=data)

print(response.json())

2. 个性化内容推荐引擎

场景描述：
一个新闻网站希望根据用户的阅读习惯推荐个性化的新闻文章。

代码示例：

url = "https://www.explinks.com/api/scd20240801626417525892/lingji-model"

headers = {

    "Authorization": "Bearer YOUR_API_KEY",

    "Content-Type": "application/json"

}

user_preferences = {"history": ["科技", "政治"], "interests": ["人工智能"]}



response = requests.post(url, headers=headers, json=user_preferences)

print(response.json())

3. 智能写作辅助工具

场景描述：
内容创作者需要一个工具来帮助他们根据大纲生成文章草稿。

代码示例：

url = "https://www.explinks.com/api/scd20240801626417525892/lingji-model"

headers = {

    "Authorization": "Bearer YOUR_API_KEY",

    "Content-Type": "application/json"

}

outline = {"title": "未来科技趋势", "points": ["人工智能", "量子计算", "可持续能源"]}



response = requests.post(url, headers=headers, json=outline)

print(response.json())

4. 多语言翻译服务

场景描述：
一个国际公司需要一个服务来自动翻译公司文档和网站内容到不同语言。

代码示例：

url = "https://www.explinks.com/api/scd20240801626417525892/lingji-model"

headers = {

    "Authorization": "Bearer YOUR_API_KEY",

    "Content-Type": "application/json"

}

text_to_translate = {"text": "欢迎来到我们的网站", "to_language": "en"}



response = requests.post(url, headers=headers, json=text_to_translate)

print(response.json())

5. 智能问答系统

场景描述：
教育机构希望建立一个系统，学生可以通过它提出问题并获得与课程内容相关的答案。

代码示例：

url = "https://www.explinks.com/api/scd20240801626417525892/lingji-model"

headers = {

    "Authorization": "Bearer YOUR_API_KEY",

    "Content-Type": "application/json"

}

student_question = {"question": "什么是机器学习？"}



response = requests.post(url, headers=headers, json=student_question)

print(response.json())

请注意，以上代码示例中的YOUR_API_KEY需要替换为您自己的API密钥。每个场景都展示了如何将特定的请求发送到灵积模型API，并如何处理返回的响应。实际的请求和响应格式将根据灵积模型API的具体实现和要求而变化。