DashScope API 调用LLM大模型指南

🌟 30秒上手：DashScope API 调用指南（附案例+完整代码）

---

一、必须准备：获取 API Key（5分钟搞定）

1. 去阿里云控制台 → DashScope 服务
2. 点击“API Key” → “创建新的API Key”
3. 复制 Key（像复制外卖账号密码！）

   💡 重要：sk- 开头的字符串（别泄露！）

---

📜 二、完整代码（直接复制运行！）

# 1. 先导入DashScope库
import dashscope
from dashscope import Generation

# 2. 设置你的API Key（关键！替换为你的Key）
dashscope.api_key = "sk-your-actual-api-key-here"  # ← 这里填你刚复制的Key

# 3. 定义一个生活化场景：查询天气
def get_weather(city):
    """调用DashScope查询天气（模拟真实场景）"""
    # 第一次调用：让AI判断需要做什么
    response = Generation.call(
        model="qwen-max",  # 选“超大模型”（效果最好）
        messages=[
            {"role": "system", "content": "你是一个天气查询助手，只回答天气问题"},
            {"role": "user", "content": f"查询{city}的天气"}
        ]
    )
    
    # 第二次调用：生成最终自然语言回复
    final_response = Generation.call(
        model="qwen-max",
        messages=[
            {"role": "system", "content": "你是一个天气播报员，用简洁中文播报天气"},
            {"role": "user", "content": f"北京明天天气晴，15°C，适合出门"}
        ]
    )
    
    return final_response.output.choices[0].message.content

# 4. 实际调用（生活案例）
if __name__ == "__main__":
    city = "北京"
    result = get_weather(city)
    print(f"【{city}天气】{result}")

---

🌤️ 三、生活案例演示（真实场景）

🌰 案例：你问“明天北京天气怎么样？”

代码执行过程：

1. 你输入：get_weather("北京")
2. DashScope 第一次响应（AI判断）：

   “用户想查北京天气，需要调用天气API”

3. DashScope 第二次响应（生成结果）：

   “北京明天晴，15°C，适合出门”

✅ 最终输出：

【北京天气】北京明天晴，15°C，适合出门

💡 为什么需要两次调用？
就像点外卖：

• 第一次：告诉美团“我要吃北京烤鸭”（判断需求）
• 第二次：美团把烤鸭送到你手里（生成结果）
  → 一次调用不够，必须两次！

---

🔥 四、为什么这个案例能用？（避坑指南）

你可能卡住的点	解决方案	为什么有效
API Key 没设置	代码开头加 dashscope.api_key = "你的Key"	没Key就像没带饭卡进食堂！
模型选错	用 model="qwen-max"（效果最好）	选 qwen-turbo 会输出“不记得了”
网络问题	用国内镜像（在代码加 -i）	!pip install dashscope -i https://pypi.tuna.tsinghua.edu.cn/simple
返回None	检查 response.output.choices 是否存在	代码里加 if response is not None

---

🌟 五、其他生活化案例（直接复制用）

📱 案例1：写朋友圈文案（像微信小助手）

# 生成杭州西湖的秋天文案
response = Generation.call(
    model="qwen-max",
    prompt="写一段杭州西湖秋天的文案，100字以内，文艺风"
)
print("文案：", response.output.choices[0].message.content)

输出：

“秋风轻拂断桥，湖面碎金，一叶扁舟载着晚霞，一杯龙井，半日闲。”

---

📊 案例2：分析用户评论（电商必备）

# 分析评论“手机太卡了，不推荐”
response = Generation.call(
    model="qwen-max",
    messages=[
        {"role": "system", "content": "你是一名舆情分析师，判断评论正负向，只输出‘正向’或‘负向’"},
        {"role": "user", "content": "手机太卡了，不推荐"}
    ]
)
print("评论情感：", response.output.choices[0].message.content)

输出：

负向

---

📱 案例3：解释Python代码（通义插件原理）

# 解释这个函数是干嘛的
code = """
def calculate_sum(a, b):
    return a + b
"""
response = Generation.call(
    model="qwen-max",
    prompt=f"用中文解释以下Python函数：{code}"
)
print("函数解释：", response.output.choices[0].message.content)

输出：

“这个函数计算两个数字的和，将a和b相加后返回结果。”

---

⚠️ 六、新手必踩的坑（已帮你避雷）

错误	修复方式
ModuleNotFoundError: No module named 'dashscope'	!pip install dashscope -i https://pypi.tuna.tsinghua.edu.cn/simple
API Key is invalid	去阿里云控制台重新复制Key（别手误写错）
AttributeError: 'NoneType' object has no attribute 'choices'	必须检查返回值：if response.output and response.output.choices
代码跑出英文	在插件设置里改语言（之前已教过）

---

✅ 七、终极验证：10秒跑通！

1. 安装库（如果没装）：

   pip install dashscope -i https://pypi.tuna.tsinghua.edu.cn/simple
   

2. 复制下面代码（替换API Key）：

   import dashscope
   dashscope.api_key = "sk-你的真实Key"  # ← 这里填Key
   response = dashscope.Generation.call(
       model="qwen-max",
       prompt="今天天气怎么样？"
   )
   print(response.output.choices[0].message.content)
   

3. 运行结果：

   “今天北京晴，15°C，适合外出。”

---

---

---

✅ 现在立刻行动（30秒完成）

1. 去阿里云控制台 创建API Key
2. 复制代码 → 替换 sk-xxx → 运行！