Appearance

LangChain教程 - 2 调用大模型 ​

我们首先来学习如何通过代码调用大模型，实现和大模型的对话。

我们选择使用阿里云的百炼平台，因为它提供了很多大模型，而且还有一些免费的使用额度。

官网地址：https://bailian.console.aliyun.com/

2.1 准备工作 ​

首先，你需要注册一个阿里云账号并登录百炼平台。登录后，在 模型用量 页面可以看到很多可用的模型，以及它们的免费额度。

需要注意：记得打开"免费额度用完即停"的开关，避免产生额外费用。

然后，点击 密钥管理 选项，创建一个 API Key，这是后续代码调用大模型时必需的。

API Key 就相当于你访问大模型的"钥匙"，有了它，我们就可以开始写代码调用大模型了。

2.2 代码调用大模型 ​

下面我们使用 Python 代码来调用大模型，步骤很简单，跟着做就行。

1 创建Python项目 ​

首先创建一个 Python 项目，你可以使用 PyCharm、VS Code 或者其他你喜欢的IDE。

2 安装依赖 ​

在项目目录下执行命令，安装 openai 库：

bash
pip install openai
  • openai 是 OpenAI 官方提供的使用 Python 访问云端大模型的库。

3 选择大模型 ​

在百炼平台的模型广场，选择一个你想使用的大模型。我这里选择的是 Qwen3-Max，你可以根据自己的需求选择其他模型。

点击进入具体模型的详情页面，你会看到调用代码示例：

这里有两种API调用方式：

  • Completion API：一次性返回完整结果，等待模型生成完所有内容后，一次性返回全部响应；
  • Responses API：流式返回（逐字/逐句），模型生成一点内容就返回一点，适合实时展示。

注意：选择完模型后，记得去大模型用量页面，把对应模型的"免费额度用完即停"开关打开。

4 编写代码 ​

直接复制详情页面的示例代码到你的项目中，创建一个 main.py 文件：

python
from openai import OpenAI
import os

client = OpenAI(
    # 如果没有配置环境变量，请用阿里云百炼API Key替换：api_key="sk-xxx"
    api_key="sk-477085b92d3841f380****8ac020f927",  # 替换为自己的api_key
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)

messages = [{"role": "user", "content": "你是谁"}]
completion = client.chat.completions.create(
    model="qwen3-max",  # 您可以按需更换为其它深度思考模型
    messages=messages,
    extra_body={"enable_thinking": True},
    stream=True
)
is_answering = False  # 是否进入回复阶段
print("\n" + "=" * 20 + "思考过程" + "=" * 20)
for chunk in completion:
    delta = chunk.choices[0].delta
    if hasattr(delta, "reasoning_content") and delta.reasoning_content is not None:
        if not is_answering:
            print(delta.reasoning_content, end="", flush=True)
    if hasattr(delta, "content") and delta.content:
        if not is_answering:
            print("\n" + "=" * 20 + "完整回复" + "=" * 20)
            is_answering = True
        print(delta.content, end="", flush=True)
  • 把代码中的 api_key 替换成你自己创建的 API Key，然后运行代码即可。
  • 现在代码什么意思，也不着急解释，但是如果简单看一下的话，主要包括创建客户端、发起请求、处理返回结果三个步骤。

运行后，在控制台你就能看到大模型的回复了：

2.3 配置环境变量 ​

刚才我们把 API Key 直接写在了代码里，这样做不太安全。更好的做法是将 API Key 配置到系统的环境变量中。

1 Windows系统 ​

直接在系统环境变量中添加两个配置：

  • OPENAI_API_KEY：你的 API Key；
  • DASHSCOPE_API_KEY：同样填写你的 API Key，和上面的值是一样的。

右键 我的电脑 -- 属性 -- 高级系统设置 -- 高级 -- 环境变量 ，新建两个环境变量，可以在系统变量里添加，对每个用户都有效。


为什么要添加两个环境变量呢？因为：

  • 使用 OpenAI 库时，它会读取 OPENAI_API_KEY ；
  • 后面我们会使用 LangChain，它会读取 DASHSCOPE_API_KEY ，所以一起配置一下。

2 Mac/Linux系统 ​

如果是 Mac 或 Linux 系统，使用编辑器打开配置文件：

  • Mac：~/.zshrc
  • Linux：~/.bashrc

添加如下配置：

bash
# 填上你自己的key
export OPENAI_API_KEY=sk-477085b92d3841f380****8ac020f927
export DASHSCOPE_API_KEY=sk-477085b92d3841f380****8ac020f927

配置好环境变量后，修改代码，去掉 api_key 参数：

python
client = OpenAI(
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)
  • 这样，OpenAI 库会自动从环境变量中读取 API Key。

如果配置后不生效，可以重启一下电脑试试。

我们已经可以使用代码调用大模型了，代码细节先不用纠结，后面的章节还会讲。