【Agent智能体项目实战三】LangChain调用通义千问保姆级教程

一、前置准备

1. 开通阿里云通义千问

1. 打开阿里云 DashScope 平台：dashscope.aliyun.com/
2. 注册/登录后，创建 API-KEY
3. 记录你的 DASHSCOPE_API_KEY，后面代码会用到

2. 安装依赖库

pip install langchain langchain_community

二、完整可运行代码

下面是最简可运行示例，直接复制替换API-KEY即可使用：

# 导入依赖
import os
from langchain_community.llms.tongyi import Tongyi

# 设置 DashScope API 密钥
os.environ["DASHSCOPE_API_KEY"] = "你的API-KEY"

# 初始化通义千问模型
model = Tongyi(
    model="qwen-plus"  # 可替换：qwen-turbo、qwen-plus、qwen-max等
)

# 调用模型（invoke方法）
response = model.invoke(input="你是什么模型？你能干什么？")

# 输出结果
print(response)

三、代码逐行解释

1. 导入模块

import os
from langchain_community.llms.tongyi import Tongyi

• os：用于设置环境变量，传入API密钥
• Tongyi：LangChain封装好的通义千问大模型调用类

2. 配置API密钥

os.environ["DASHSCOPE_API_KEY"] = "你的API-KEY"

• 必须通过环境变量传入密钥，这是官方推荐方式
• 不要硬编码密钥到生产代码中！

3. 初始化模型

model = Tongyi(
    model="qwen-plus"
)

常用模型列表：

• qwen-turbo：速度快、性价比高
• qwen-plus：综合能力更强
• qwen-max：最强能力模型
• 更多模型见阿里云DashScope官方文档

4. 调用模型 & 输出结果

response = model.invoke(input="你是什么模型？你能干什么？")
print(response)

• invoke()：LangChain统一的同步调用方法
• 输入为字符串，输出为模型返回的文本结果

四、运行结果示例

执行代码后，你会看到类似输出：

我是阿里云研发的通义千问大模型。
我可以帮你：
1. 回答各类问题、提供知识科普
2. 写代码、文案、总结、翻译
3. 逻辑推理、规划方案
4. 对话聊天、提供建议等

五、常见问题（避坑指南）

1. 报错：API-KEY无效
   • 检查密钥是否复制完整
   • 确认账号已开通通义千问服务
2. 报错：模型不存在
   • 检查model名称是否正确，如qwen-plus不要写错
3. 网络超时
   • 确保网络可以正常访问阿里云服务

六、扩展用法（进阶）

1. 批量提问（generate）

response = model.generate(["你好", "介绍一下Python"])
print(response.generations)

2. 流式输出

for chunk in model.stream("写一段春天的文案"):
    print(chunk, end="", flush=True)