Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

怎么调用qwen？

Answer

要调用 qwen ，有以下几种情况和步骤：

  1. 调用百炼“应用”：
    • 创建一个百炼应用，假设命名为“苏苏”。
    • 在/root/chatgpt-on-wechat/文件夹下，打开config.json文件。
    • 更改"model":"qwen"，并添加"qwen_access_key_id"、"qwen_access_key_secret"、"qwen_agent_key"、"qwen_app_id"四项配置。
    • 配置项获取可参考视频教程：百炼应用调用教程.mp4 图文教程及参考配置也有提供。
    • 注意：需要“实名认证”后，这些key才可以正常使用，如果对话出现“Access to mode denied.Please make sure you are eligible for using the model.”的报错，那说明您没有实名认证，点击去实名认证，或查看自己是否已认证。
  2. 直接调用大模型：
    • 百炼首页：https://bailian.console.aliyun.com/
    • 在/root/chatgpt-on-wechat/文件夹下，打开config.json文件。
    • 以调用“qwen-max”模型为例，需要更改"model"，和添加"dashscope_api_key"。
    • 获取 key 可参考视频教程：模型调用教程.mp4 图文教程及参考配置也有提供。
    • 注意：需要“实名认证”后，这些key才可以正常使用，如果对话出现“Access to mode denied.Please make sure you are eligible for using the model.”的报错，那说明您没有实名认证，点击去实名认证，或查看自己是否已认证。
  3. 创建知识库应用并调用：
    • 地址输入浏览器：http://这里替换为您宝塔左上角的那一串:3000/
    • 进入后，点击应用并创建，选择 qwen 模型。
    • 创建知识库。点击知识库 - 选择 qwen - Embedding - 1 点击确认创建。
    • 上传文件，等待处理，最后文本状态是“已就绪”。
    • 回到刚刚创建的应用，关联上创建的知识库。
    • 点击两个发布。之前第一个叫做保存。
    • 点击新建，创建 key。创建后保存同时将 API 根地址最后加上/v1 也保存下来。
    • 回到宝塔，打开【终端】
    • 依次粘贴并回车：cd/root git clone https://github.com/zhayujie/chatgpt-on-wechat cd chatgpt-on-wechat/ pip install -r requirements.txt pip install -r requirements-optional.txt 等待执行完成。
    • 到“文件”菜单中去执行，点击文件 - 找到 root，进入 root 文件夹，找到 chatgpt-on-wechat 文件夹，并进入。
Content generated by AI large model, please carefully verify (powered by aily)

References

「第一天」COW项目：千问模型、百炼应用接入教程

1、当我们在COW中，去调用某一个百炼“应用”时，需要添加更多配置。首先我们需要创建一个百炼应用，假设我将这个应用命名为“苏苏”。当我完成一个应用的创建后。以调用“苏苏”应用为例，在/root/chatgpt-on-wechat/文件夹下，打开config.json文件：需要更改"model":"qwen"，并添加"qwen_access_key_id"、"qwen_access_key_secret"、"qwen_agent_key"、"qwen_app_id"四项配置。这些配置项在哪找呢？视频教程：[百炼应用调用教程.mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/VJFKbxWD9oqRaLxrArbcXiyen0r?allow_redirect=1)图文教程：以下是参考配置：注意：需要“实名认证”后，这些key才可以正常使用，如果对话出现“Access to mode denied.Please make sure you are eligible for using the model.”的报错，那说明你没有实名认证，点击去[实名认证](https://account.console.aliyun.com/v2?spm=5176.28508143.J_4VYgf18xNlTAyFFbOuOQe.13.38a9154amP8978#/authc/types)，或查看自己是否已认证。

「第一天」COW项目：千问模型、百炼应用接入教程

百炼首页：https://bailian.console.aliyun.com/1、当我们在COW中，去直接调用千问的某一个大模型时，只需要更改key和model即可。以调用“qwen-max”模型为例，在/root/chatgpt-on-wechat/文件夹下，打开config.json文件：需要更改"model"，和添加"dashscope_api_key"。那么如何去获取key呢：视频教程：[模型调用教程.mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/EB8Xbv8wXoiXHCxhEWkcfUVQnFf?allow_redirect=1)图文教程：以下是参考配置：示意图：注意：需要“实名认证”后，这些key才可以正常使用，如果对话出现“Access to mode denied.Please make sure you are eligible for using the model.”的报错，那说明你没有实名认证，点击去[实名认证](https://account.console.aliyun.com/v2?spm=5176.28508143.J_4VYgf18xNlTAyFFbOuOQe.13.38a9154amP8978#/authc/types)，或查看自己是否已认证。

张梦飞：【知识库】FastGPT+OneAPI+COW带有知识库的机器人完整教程

1、地址输入浏览器：http://这里替换为你宝塔左上角的那一串:3000/2、进入后，点击应用并创建，选择qwen模型3、创建知识库。点击知识库-选择qwen-Embedding-1点击确认创建。4、上传文件，等待处理，最后文本状态是“已就绪”就是OK了。5、回到刚刚创建的应用，关联上创建的知识库。6、点击两个发布。之前第一个叫做保存7、点击新建，创建key。创建后保存同时将API根地址最后加上/v1也保存下来。[heading1]七、安装并接入cow[content]1、回到宝塔，打开【终端】继续，一行一行依次粘贴，依次回车：cd/root2、这个注意一定要粘贴完整，这里容易粘贴不全。git clone https://github.com/zhayujie/chatgpt-on-wechat3、出现下方的样子，就是成功了。如果失败，或者没反应，刷新一下，重新再试一次4、继续一行一行，依次输入：cd chatgpt-on-wechat/pip install-r requirements.txt5、等待执行完成，如上图后，继续粘贴：pip install-r requirements-optional.txt6、上边的都执行完成后。现在我们到“文件”菜单中去执行，点击文件-找到root，进入root文件夹,找到chatgpt-on-wechat文件夹，并进入。

Others are asking
Qwen 多模态模型哪一个最顶？
目前阿里发布的 Qwen 多模态模型中，Qwen2.5VL 较为突出。它可处理长达数小时的视频，并在电脑上执行自动化任务。提供 3B、7B、72B 三种规模，旗舰版对标 GPT4o、Claude 3.5 Sonnet。具备全文档解析能力，支持手写、表格、图表、化学公式等多场景识别，还可操作电脑或手机界面，执行自动化任务，如点击按钮、填表等。详情可参考：https://www.xiaohu.ai/c/xiaohuai/qwen25vl285cee 。此外，Qwen2.5Max 也是阿里通义千问的大型专家模型（MoE），基于 SFT 和 RLHF 策略训练，在多项基准如 Arena Hard、LiveBench、LiveCodeBench、GPQADiamond 上超越 DeepSeek V3，引发社区关注。更多体验方式包括支持官方 Chat、API 接口、Hugging Face Demo 等，详情可参考：https://qwenlm.github.io/blog/qwen2.5max/ 、https://chat.qwenlm.ai 、https://alibabacloud.com/help/en/modelstudio/gettingstarted/firstapicalltoqwen?spm=a2c63.p38356.helpmenu2400256.d_0_1_0.1f6574a72ddbKE 、https://huggingface.co/spaces/Qwen/Qwen2.5MaxDemo 。
2025-03-25
qwen
Qwen 2 已开源，具有以下特点和优势： 1. 提供 5 种尺寸的预训练和指令调整模型，包括 Qwen20.5B、Qwen21.5B、Qwen27B、Qwen257BA14B 和 Qwen272B。 2. 除英语和中文外，还接受过另外 27 种语言的数据训练。 3. 在大量基准评估中表现出最先进的性能，代码和数学性能显著提高，全面超越 llama3。 4. 增大了上下文长度支持，最高达到 128K tokens（Qwen272BInstruct），72B 和 7B 可处理 128k 上下文，57BA14B 可处理 64k 上下文，0.5B 和 1.5B 可处理 32k 上下文。 5. 相比 2 月推出的通义千问 Qwen1.5，实现了整体性能的代际飞跃。在权威模型测评榜单 OpenCompass 中，此前开源的 Qwen1.5110B 已领先于文心 4.0 等一众中国闭源模型，Qwen272B 整体性能相比 Qwen1.5110B 又取得了大幅提升。在 MMLU、GPQA、HumanEval、GSM8K、BBH、MTBench、Arena Hard、LiveCodeBench 等国际权威测评中，Qwen272B 获十几项世界冠军，超过美国的 Llama3。 Qwen2 系列模型的性能突破具有重要意义： 1. 在中国大模型领域，开源模型显示出超越最强闭源模型的势头。 2. 中国的开源大模型，从性能到生态都具备了媲美美国 Llama3 的能力。 通义千问大模型的持续优化和进步，主要依赖强大的大模型研发能力、领先的基础设施能力以及开源社区的充分支持。阿里云是全球唯一一家积极研发先进 AI 模型并且全方位开源的云计算厂商。 体验 Qwen2 系列模型的途径： 1. 已上线魔搭社区 ModelScope 和阿里云百炼平台，开发者可在魔搭社区体验、下载模型，或通过阿里云百炼平台调用模型 API。 2. Qwen272binstruct 模型已经上线中国大语言模型评测竞技场 Compass Arena，所有人都可以登录体验 Qwen2 的性能，或者选择 Qwen2 模型与其他大模型进行对比测评。测评地址：。Compass Arena 是由上海人工智能实验室和魔搭社区联合推出的大模型测评平台，集齐了国内主流的 20 多款大模型。 此外，玉宝搞过一个 LLM 的在线评估，里面可以看到国内各个闭源大模型的 HUMANEVAL 测评得分，可以和 QWEN2 对比，网址为：https://www.llmrank.cn/ 。除了美国 Llama 开源生态之外，通义千问已成为全球开发者的另一主流选项。
2025-03-10
qwen.chat
以下是关于 Qwen 的相关信息： 2023 年度中文大模型基准测评报告中提到了 Qwen 的相关模型，如 Qwen14BChat、Qwen72BChat。 1 月 28 日的 Xiaohu.AI 日报中，大年三十发布了 Qwen2.5Max 模型，这是通义千问推出的大型专家模型（MoE），通过 SFT 和 RLHF 策略后训练，性能与顶尖模型竞争，在多个基准测试中超越了 DeepSeek V3，引发了 AI 社区对大规模专家模型的高度关注。相关链接包括： Blog: Qwen Chat: （选择 Qwen2.5Max 模型） API: HF Demo: 1 月 28 日的 Xiaohu.AI 日报中还提到阿里云发布了 Qwen2.5VL：新一代视觉语言模型。
2025-02-21
Qwen 2.5 max 如何访问
Qwen 2.5 Max 可以通过以下方式访问： 1. 目前，Qwen 2.5 Max 已在阿里云百炼平台上架，模型名称为 qwenmax20250125，企业和开发者都可通过阿里云百炼调用新模型 API。 2. 同时，也可以在全新的 Qwen Chat（https://chat.qwenlm.ai/）平台上使用 Qwen 2.5 Max，直接与模型对话，或者使用 artifacts、搜索等功能。 此外，您还可以通过以下链接获取更多相关信息：
2025-02-13
我想利用现有的20万条政务相关数据，基于qwen2.5 70B大模型构建自己的政务服务大模型，该如何做，请给出具体实现流程，谢谢！
以下是基于 qwen2.5 70B 大模型利用 20 万条政务相关数据构建政务服务大模型的大致流程： 1. 数据准备：对 20 万条政务相关数据进行清洗、预处理和标注，使其适合模型学习。 2. 模型选择与下载：选择 qwen2.5 70B 大模型，并按照相关说明进行下载。 3. 本地部署： 启动 OpenAI 兼容的 API 服务，根据硬件配置设置相关参数，如 tensorparallelsize（设置使用的 GPU 数量）、maxmodellen（定义最大输入序列长度）、maxnumbatchedtokens（设置 Chunked Prefill 的块大小）、maxnumseqs（限制并发处理的序列数量）。 遇到问题可参考相关内容。 4. 与模型交互：可以使用 Curl 或 Python 等方法与部署的模型进行交互，对于更高级的使用方式，可以探索如之类的框架。 5. 模型训练：模型训练是一个复杂且计算量极大的过程，需要大量的计算资源和时间。 需要注意的是，构建大模型是一个复杂的任务，需要具备一定的技术知识和经验。在实际操作中，可能会遇到各种问题，需要不断调试和优化。
2025-02-06
qwen2.5-max如何安装
Qwen2.5Max 的安装方式如下： 目前，Qwen2.5Max 已在阿里云百炼平台上架，模型名称为 qwenmax20250125，企业和开发者都可通过阿里云百炼调用新模型 API。同时，也可以在全新的 Qwen Chat（https://chat.qwenlm.ai/）平台上使用 Qwen2.5Max，直接与模型对话，或者使用 artifacts、搜索等功能。 相关链接：
2025-01-30
如何综合运用插件、工作流、知识库，搭建满足各种需求的智能体，尤其是调用多个智能体，组成像Manus这样的工具？
要综合运用插件、工作流、知识库搭建满足各种需求的智能体，尤其是调用多个智能体组成类似 Manus 的工具，需要了解以下内容： 插件：插件如同一个工具箱，里面可放置一个或多个工具，称为 API。扣子平台有多种类型的插件，如看新闻、规划旅行、提高办公效率、理解图片内容的 API 及能处理多种任务的模型。若平台现有插件不符合需求，还可自行制作添加所需 API。 工作流：工作流类似可视化拼图游戏，可将插件、大语言模型、代码块等功能组合，创建复杂稳定的业务流程。工作流由多个节点组成，开始和结束节点有特殊作用，不同节点可能需要不同信息，包括引用前面节点信息或自行设定信息。 知识库：可上传私有文件作为回答参考。 智能体：智能体是对自定义操作的封装，用于解决特定场景问题。以 ChatGPT 的 GPTs 为例，包括描述作用和回复格式的提示词、作为回答参考的知识库、请求第三方 API 获取实时数据的外挂 API 以及个性化配置等。 例如，在“竖起耳朵听”的智能体中添加了插件和工作流的相关设置。创建智能体时，输入人设等信息，并配置工作流。但需注意，如工作流中使用的插件 api_token 为个人 token 时，不能直接发布，可将其作为工作流开始的输入，由用户购买后输入使用再发布。 此外，在 AI 搜索中，可预置 after_answer 钩子，将请求大模型的上下文和回答发给第三方插件整理成文章或思维导图等格式同步到第三方笔记软件。全流程中有很多节点可做 Hook 埋点，多个插件构成可插拔架构，常用功能可抽离成标准插件用于主流程或辅助流程，还可自定义智能体 Agent 等。
2025-03-29
扣子api的调用流程
扣子 API 的调用流程如下： 1. 传递请求的相关部分： Body：用于传递请求的主体部分，可以是 JSON、XML 或其他类型的数据。在 GET 方法中通常不用于传递参数，因为 GET 方法的 URL 已包含必要参数。 Path：用于定义请求的路径部分，通常以“/”开头，后面跟着一系列段落。在 GET 方法中可传递参数，但常编码为 URL 一部分。 Query：用于定义请求的查询部分，通常以“?”开头，后跟一系列键值对。在 GET 方法中是常用的参数传递方式。 Header：用于定义 HTTP 请求的头信息部分，包括各种头部字段。在 GET 方法中通常不用于传递参数，而是定义请求头部信息。 2. 配置输出参数： 如果填写无误，可直接点击自动解析，会自动调用一次 API 给出对应的输出参数。 例如填入汉字“张”，点击自动解析。解析成功会显示成功，输出参数填好后点击保存并继续。参数描述可根据需求填写。 3. 调试与校验： 测试工具是否能正常运行。 运行后查看输出结果，Request 为输入的传参，Response 为返回值，点击 Response 可看到解析后的参数。 此外，创建扣子的令牌步骤如下： 在扣子官网左下角选择扣子 API，在 API 令牌中选择“添加新令牌”，为令牌起名，选择过期时间（如永久有效），选择指定团队空间（个人空间或团队空间），勾选所有权限，保存好令牌的 Token，切勿向他人泄露。 让 Coze 智能体机器人连上微信和微信群的配置： 1. 获取机器人 ID：在个人空间中找到要接入微信的机器人，如画小二智能小助手，点击进入编辑界面，浏览器地址栏 bot/之后的数据即为机器人的 Bot ID。 2. API 授权：点击右上角发布，会出现 Bot as API，勾选并确定应用已成功授权 Bot as API。
2025-03-25
我想搭建个人rag知识库，实现本地化部署，可以调用本地大模型去分析知识库的内容进行解答
以下是搭建个人 rag 知识库并实现本地化部署，调用本地大模型分析知识库内容进行解答的详细步骤： 一、通过 Open WebUI 使用大模型 1. 访问相关网址，使用邮箱注册账号。 2. 登陆成功后，Open WebUI 一般有两种使用方式，包括聊天对话和 RAG 能力（让模型根据文档内容回答问题，这是构建知识库的基础之一）。 3. 如果要求不高，此时已搭建本地大模型，并通过 Web UI 实现与大模型对话。ChatGPT 访问速度快且回答效果好的原因在于其服务器配置高、训练参数多、数据更优及训练算法更好。 二、本地知识库进阶 1. 若要更灵活掌控知识库，需使用额外软件 AnythingLLM，其包含 Open WebUI 的所有能力，并额外支持选择文本嵌入模型和向量数据库。 2. 安装地址：https://useanything.com/download 。安装完成后进入配置页面，主要分为三步：选择大模型、选择文本嵌入模型、选择向量数据库。 3. 在 AnythingLLM 中有 Workspace 的概念，可创建独有 Workspace 与其他项目数据隔离。首先创建工作空间，然后上传文档并在工作空间中进行文本嵌入，选择对话模式（包括 Chat 模式和 Query 模式），最后进行测试对话。 三、RAG 是什么 利用大模型搭建知识库是 RAG 技术的应用。在进行本地知识库搭建实操前，需对 RAG 有大概了解。RAG 应用可抽象为 5 个过程： 1. 文档加载：从多种来源加载文档，LangChain 提供 100 多种不同的文档加载器，包括非结构化、结构化数据及代码等。 2. 文本分割：文本分割器把 Documents 切分为指定大小的块，称为“文档块”或“文档片”。 3. 存储：涉及将切分好的文档块嵌入转换成向量形式，并将向量数据存储到向量数据库。 4. 检索：通过检索算法找到与输入问题相似的嵌入片。 5. 输出：把问题及检索出来的嵌入片一起提交给 LLM，LLM 会通过问题和检索出来的提示生成更合理的答案。 文本加载器是将用户提供的文本加载到内存中，便于后续处理。
2025-03-25
如何用coze实现一个心理学调研的智能体？最好能够支持音频调用
要使用 Coze 实现一个支持音频调用的心理学调研智能体，您可以按照以下步骤进行操作： 1. 进入 Coze，点击「个人空间 工作流 创建工作流」，打开创建工作流的弹窗。 2. 根据弹窗要求，自定义工作流信息。 3. 点击确认后完成工作流的新建，左侧「选择节点」模块中，实际用上的有： 插件：提供一系列能力工具，拓展 Agent 的能力边界。本案例涉及的思维导图、英文音频，因为无法通过 LLM 生成，就需要依赖插件来实现。 大模型：调用 LLM，实现各项文本内容的生成。本案例的中文翻译、英文大纲、单词注释等都依赖大模型节点。 代码：支持编写简单的 Python、JS 脚本，对数据进行处理。 4. 编辑面板中的开始节点、结束节点，则分别对应分解子任务流程图中的原文输入和结果输出环节。 5. 按照流程图，在编辑面板中拖入对应的 LLM 大模型、插件、代码节点，即可完成工作流框架的搭建。 在配置子任务节点时： 1. 关于模型选择，没有强制必须用某个模型的说法。而是根据自己的习惯、实测的响应速度、生成质量、调用费用，进行综合选择。比如 Doubao Function Call 模型，对于插件调用、Coze 内 json 格式输出比较擅长；MiniMax 处理文字速度很快；GLM 对于用户提示词的理解比较好。每个模型都有自己擅长的特点，而且每家模型都在不断的迭代。所以模型的选用，需要根据实测情况综合调整。 2. 一般选择豆包·function call 32k。“function call”代表有着更好的 Coze 的工具调用能力，“32k”代表模型的上下文窗口大小，即模型在处理文本时能够考虑的单词或标记的数量。如果输出和输入的类型不是纯文本时，比如是 array、object 结构，请根据实测情况，考虑替换上豆包 function call 版本，其他的 LLM 可能会输出格式比较混乱。
2025-03-12
manus的工具调用使用到的具体技术有哪些
Manus 工具调用使用的具体技术包括： 1. 基于多智能体（Multiple Agent）架构，运行在独立的虚拟机中，通过规划、执行和验证三个子模块的分工协作来处理复杂任务。 2. 核心功能由多个专注于不同任务或领域（如自然语言处理、数据分析、推理等）的独立模型共同完成，这种多模型驱动的设计提高了系统的鲁棒性和准确性，增强了处理复杂任务的能力。 3. 技术架构包含关键组件： 虚拟机：运行在云端虚拟机中，用户可随时查看任务进度，适合处理耗时任务。 计算资源：利用计算资源生成算法，用于筛选简历等具体任务。 生成物：能够生成各种类型的输出，如文本、表格、报告等。 内置多个 agents：通过内置多个智能体，实现任务的分解和协同工作。 4. 采用“少结构，多智能体”的设计哲学，强调在数据质量高、模型强大、架构灵活的情况下，自然涌现 AI 的能力，使处理复杂任务更高效和准确。
2025-03-06
调用api是什么
调用 API（Application Programming Interface，应用程序编程接口）是指软件系统之间进行交互和通信的一种方式。通过调用 API，一个程序可以请求并获取另一个程序或服务所提供的数据、功能或执行特定的操作。 API 通常定义了一组规则、协议和方法，包括请求的格式、参数的传递方式、响应的数据结构等。开发人员可以使用特定的编程语言和工具，按照 API 的规定发送请求，并处理返回的响应结果，以实现不同系统之间的集成和数据共享。 例如，在 Web 开发中，调用第三方提供的 API 可以获取天气信息、地图数据、社交媒体内容等，从而丰富自己的应用功能。在移动应用开发中，也可以调用系统提供的 API 来实现诸如访问设备传感器、发送短信等功能。 总之，调用 API 是现代软件开发中实现功能扩展和系统集成的重要手段。
2025-03-05