展示调用常用的3种模型

大语言模型、聊天模型、嵌入（向量）模型

1、大语言模型

from langchain_core.prompts import PromptTemplate
from langchain_community.llms.tongyi import Tongyi
import os
from dotenv import load_dotenv
load_dotenv()

prompt_template = PromptTemplate.from_template("我朋友姓{lastname},生了个孩子，性别{gender},你帮他起个名字")

prompt_text = prompt_template.format(lastname = "张", gender = "女")
model = Tongyi(
    # api_key=os.getenv("DASHSCOPE_API_KEY"),
    model="qwen-max",
)



# 一次性返回结果
# res = model.invoke(input="你是谁呀能做什么？")

# langchain一次性返回结果方式输出
# chain = prompt_template | model
# print(chain.invoke({"lastname": "张", "gender": "女"}))

# 流式输出
# for res in model.stream(input=prompt_text):
#     for chunk in res:
#         print(chunk, end="",flush=True)

# langchain 流式返回结果方式输出
chain = prompt_template | model
for res in chain.stream({"lastname": "张", "gender": "女"}):
    for chunk in res:
        print(chunk, end="",flush=True)

 

2、聊天模型

from langchain_community.chat_models.tongyi import ChatTongyi
from langchain_core.messages import HumanMessage,SystemMessage,AIMessage

import os
from dotenv import load_dotenv
load_dotenv()

model = ChatTongyi(
    # api_key=os.getenv("DASHSCOPE_API_KEY"),
    model="qwen3-max",
)

#准备消息列表
# messages = [
#     SystemMessage(content="你是一个边塞诗人。"),
#     HumanMessage(content="写一首唐诗"),
#     AIMessage(content="《杜侍御送贡物戏》 铜柱朱崖道路难，伏波横海旧登坛。越人自贡珊瑚树，汉使何劳獬豸冠。疲马山中愁日晚，孤舟江上畏春寒。由来此货称难得，多恐君王不忍看。"),
#     HumanMessage(content="请继续按照上面的格式写诗"),
# ]

#简写方式，可避免导包，可在呢内容用{变量}占位
messages = [(
    "system",
    "你是一个边塞诗人。"
),
(
    "human",
    "写一首唐诗"
),
(
    "ai",
    "《杜侍御送贡物戏》 铜柱朱崖道路难，伏波横海旧登坛。越人自贡珊瑚树，汉使何劳獬豸冠。疲马山中愁日晚，孤舟江上畏春寒。由来此货称难得，多恐君王不忍看。"
),
(
    "human",
    "请继续按照上面的格式写诗"
)]

res = model.stream(input=messages)

# 流式输出
for chunk in res:
    print(chunk.content, end="",flush=True)

 

3、嵌入模型

from langchain_community.embeddings import DashScopeEmbeddings

import os
from dotenv import load_dotenv
load_dotenv()

# 创建模型对象 不传model默认用的是 text-embeddings-v1
model = DashScopeEmbeddings()

print(model.embed_query("我喜欢你"))
print(model.embed_documents(["我喜欢你", "你喜欢我"]))