目录开始前的准备工作1申请DashScope API KEY2常见问题解决case 1:舆情分析case 2:提取表格问题如何获取model Id扩展Qwen-VL和OCR的区别开始前的准备工作1申请DashScope API KEYDashScope 是阿里云提供的模型即服务Model-as-a-Service平台API集合了多种AI大模型。API调用的是部署在云端的远程模型而非自己电脑里的大模型。DashScope API KEY相当于我们的一个身份证认证用于判断是否有权利去使用对应的模型也会记录你当下还有多少余额。这个属于一种敏感信息建议大家把这个key放到环境变量中因为环境变量一般其他人看不到如果你把它放在代码中的话很容易被泄露。如何申请,请参考 五彩AI。2常见问题解决跑代码最常见的问题“not module named xxx”这是因为系统缺少 xxx 这个包常用命令pip Install XXX如使用 DashScope API 需要先pip install dashscope来解决。其他python相关问题都在 五彩AI 里面。case 1:舆情分析目标我现在的目的是做一个舆情分析。即给出一份文本让大模型告诉我这段话到底是正向的还是负向的。在豆包中我们可以这样调用如上豆包直接给出了我结果。其实这里的提示词我是分成了两块第一部分是系统提示词设定了一个身份舆情分析师要做的事情判断口碑正负向以及如何回复正向 或 负向第二部分是用户提示词即具体的任务判断这句话。我在 如何与大模型交互从提示词工程到RAG 这篇文章里面介绍了提示词。这样看我们的任务似乎已经结束了。但是除了这种方式还有代码的方式通过API KEY调用大模型来告诉我们答案。网页的方式适合业务好上手。但是通过API的方式更灵活可以批量处理信息。看下下面的调用#!/usr/bin/env python # coding: utf-8 # In[1]: import json import os import dashscope from dashscope.api_entities.dashscope_response import Role # 从环境变量中获取 DASHSCOPE_API_KEY api_key os.environ.get(DASHSCOPE_API_KEY) dashscope.api_key api_key # 封装模型响应函数 def get_response(messages): response dashscope.Generation.call( modeldeepseek-v3, messagesmessages, result_formatmessage # 将输出设置为message形式 ) return response review 这款音效一般而且价格太贵了。 messages[ {role: system, content: 你是一名舆情分析师帮我判断产品口碑的正负向回复请用一个词语正向 或者 负向}, {role: user, content: review} ] response get_response(messages) print(response.output.choices[0].message.content)输出结果调用参数call 函数有哪些•model: 指定使用的模型例如deepseek-v3。•messages: 传递给模型的对话内容是一个包含多个字典的列表每个字典代表一则消息。 messages 是一个列表其中每个元素都是一个字典包含role 和content两个键。 role: 角色可以是system (系统指示)、user (用户提问)或assistant’ (AI回复)。 content: 该角色说的具体内容。•result_format: 设定返回结果的格式。此处message 表示标准化的消息对象格式。case 2:提取表格表格提取是工作中常见的任务类型需要使用多模态 模型这里可以使用通义千问VLVision Language系列的模型。Qwen-VL核心能力支持图像描述、视觉问答VQA、OCR、文档理解 和视觉定位。如代码中所示上传了一张表格的图片让多模态大模型读出表格的内容以json格式输出。#!/usr/bin/env python # coding: utf-8 # In[1]: import json import os import dashscope from dashscope.api_entities.dashscope_response import Role # 从环境变量中获取 DASHSCOPE_API_KEY api_key os.environ.get(DASHSCOPE_API_KEY) dashscope.api_key api_key # 封装模型响应函数 def get_response(messages): response dashscope.MultiModalConversation.call( modelqwen-vl-plus, messagesmessages ) return response content [ {image: https://aiwucai.oss-cn-huhehaote.aliyuncs.com/pdf_table.jpg}, # Either a local path or an url {text: 这是一个表格图片帮我提取里面的内容输出JSON格式} ] messages[{role: user, content: content}] # 得到响应 response get_response(messages) response输出结果这个例子和上一个例子的代码很像区别就是读图需要选择一个多模态的大模型。问题如何获取model Id打开大模型服务平台百炼控制台 选中一个模型打开点击小方框复制下来粘贴到这里就行了可以动手运行试试。扩展Qwen-VL和OCR的区别OCR是一个文字处理的引擎能原封不动的把文字识别出来无理解无思考仅有识别。Qwen-VL是多模态大模型会基于看到的内容给出回复。有理解有思考
目录开始前的准备工作1申请DashScope API KEY2常见问题解决case 1:舆情分析case 2:提取表格问题如何获取model Id扩展Qwen-VL和OCR的区别开始前的准备工作1申请DashScope API KEYDashScope 是阿里云提供的模型即服务Model-as-a-Service平台API集合了多种AI大模型。API调用的是部署在云端的远程模型而非自己电脑里的大模型。DashScope API KEY相当于我们的一个身份证认证用于判断是否有权利去使用对应的模型也会记录你当下还有多少余额。这个属于一种敏感信息建议大家把这个key放到环境变量中因为环境变量一般其他人看不到如果你把它放在代码中的话很容易被泄露。如何申请,请参考 五彩AI。2常见问题解决跑代码最常见的问题“not module named xxx”这是因为系统缺少 xxx 这个包常用命令pip Install XXX如使用 DashScope API 需要先pip install dashscope来解决。其他python相关问题都在 五彩AI 里面。case 1:舆情分析目标我现在的目的是做一个舆情分析。即给出一份文本让大模型告诉我这段话到底是正向的还是负向的。在豆包中我们可以这样调用如上豆包直接给出了我结果。其实这里的提示词我是分成了两块第一部分是系统提示词设定了一个身份舆情分析师要做的事情判断口碑正负向以及如何回复正向 或 负向第二部分是用户提示词即具体的任务判断这句话。我在 如何与大模型交互从提示词工程到RAG 这篇文章里面介绍了提示词。这样看我们的任务似乎已经结束了。但是除了这种方式还有代码的方式通过API KEY调用大模型来告诉我们答案。网页的方式适合业务好上手。但是通过API的方式更灵活可以批量处理信息。看下下面的调用#!/usr/bin/env python # coding: utf-8 # In[1]: import json import os import dashscope from dashscope.api_entities.dashscope_response import Role # 从环境变量中获取 DASHSCOPE_API_KEY api_key os.environ.get(DASHSCOPE_API_KEY) dashscope.api_key api_key # 封装模型响应函数 def get_response(messages): response dashscope.Generation.call( modeldeepseek-v3, messagesmessages, result_formatmessage # 将输出设置为message形式 ) return response review 这款音效一般而且价格太贵了。 messages[ {role: system, content: 你是一名舆情分析师帮我判断产品口碑的正负向回复请用一个词语正向 或者 负向}, {role: user, content: review} ] response get_response(messages) print(response.output.choices[0].message.content)输出结果调用参数call 函数有哪些•model: 指定使用的模型例如deepseek-v3。•messages: 传递给模型的对话内容是一个包含多个字典的列表每个字典代表一则消息。 messages 是一个列表其中每个元素都是一个字典包含role 和content两个键。 role: 角色可以是system (系统指示)、user (用户提问)或assistant’ (AI回复)。 content: 该角色说的具体内容。•result_format: 设定返回结果的格式。此处message 表示标准化的消息对象格式。case 2:提取表格表格提取是工作中常见的任务类型需要使用多模态 模型这里可以使用通义千问VLVision Language系列的模型。Qwen-VL核心能力支持图像描述、视觉问答VQA、OCR、文档理解 和视觉定位。如代码中所示上传了一张表格的图片让多模态大模型读出表格的内容以json格式输出。#!/usr/bin/env python # coding: utf-8 # In[1]: import json import os import dashscope from dashscope.api_entities.dashscope_response import Role # 从环境变量中获取 DASHSCOPE_API_KEY api_key os.environ.get(DASHSCOPE_API_KEY) dashscope.api_key api_key # 封装模型响应函数 def get_response(messages): response dashscope.MultiModalConversation.call( modelqwen-vl-plus, messagesmessages ) return response content [ {image: https://aiwucai.oss-cn-huhehaote.aliyuncs.com/pdf_table.jpg}, # Either a local path or an url {text: 这是一个表格图片帮我提取里面的内容输出JSON格式} ] messages[{role: user, content: content}] # 得到响应 response get_response(messages) response输出结果这个例子和上一个例子的代码很像区别就是读图需要选择一个多模态的大模型。问题如何获取model Id打开大模型服务平台百炼控制台 选中一个模型打开点击小方框复制下来粘贴到这里就行了可以动手运行试试。扩展Qwen-VL和OCR的区别OCR是一个文字处理的引擎能原封不动的把文字识别出来无理解无思考仅有识别。Qwen-VL是多模态大模型会基于看到的内容给出回复。有理解有思考
