DashScope（通义千问）

DashScope 是由阿里云 开发的平台。 它提供用于模型可视化、监控与调试的接口，尤其适用于在生产环境中处理 AI/ML 模型的场景。该平台允许用户可视化性能指标、追踪模型行为，并在部署周期的早期 发现潜在问题。

通义（Qwen） 模型是由阿里云 开发的一系列生成式 AI 模型。 Qwen 系列模型专为文本生成、摘要、问答及各类 NLP 任务而设计。

更多细节可参考 DashScope 文档。 LangChain4j 通过 DashScope Java SDK 与 DashScope 集成。

Maven 依赖

你可以在纯 Java 或 Spring Boot 应用中使用千帆与 LangChain4j。

纯 Java

NOTE

自 1.0.0-alpha1 起，langchain4j-dashscope 已迁移至 langchain4j-community，并更名为 langchain4j-community-dashscope。

在 1.0.0-alpha1 之前：

<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-dashscope</artifactId>
    <version>${previous version here}</version>
</dependency>

1.0.0-alpha1 及更高版本：

<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-community-dashscope</artifactId>
    <version>${latest version here}</version>
</dependency>

Spring Boot

NOTE

自 1.0.0-alpha1 起，langchain4j-dashscope-spring-boot-starter 已迁移至 langchain4j-community，并更名为 langchain4j-community-dashscope-spring-boot-starter。

在 1.0.0-alpha1 之前：

<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-dashscope-spring-boot-starter</artifactId>
    <version>${previous version here}</version>
</dependency>

1.0.0-alpha1 及更高版本：

<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-community-dashscope-spring-boot-starter</artifactId>
    <version>${latest version here}</version>
</dependency>

或者，你可以使用 BOM 来统一管理依赖：

<dependencyManagement>
    <dependency>
        <groupId>dev.langchain4j</groupId>
        <artifactId>langchain4j-community-bom</artifactId>
        <version>${latest version here}</version>
        <type>pom</type>
        <scope>import</scope>
    </dependency>
</dependencyManagement>

可配置参数

langchain4j-community-dashscope 有 4 种模型可供使用：

• QwenChatModel
• QwenStreamingChatModel
• QwenLanguageModel
• QwenStreamingLanguageModel

langchain4j-dashscope 提供文本生成图像的模型

• WanxImageModel

QwenChatModel

QwenChatModel 在你初始化时有以下可配置参数：

属性	描述	默认值
baseUrl	连接所用的 URL。可用 HTTP 或 websocket 连接 DashScope	文本推理 与 多模态
apiKey	API 密钥
modelName	所使用的模型。	qwen-plus
topP	核采样的概率阈值，控制模型生成文本的多样性。top_p 越高，生成的文本越多样，反之亦然。取值范围：(0, 1.0]。我们通常建议调整此项或 temperature，但不要同时调整二者。
topK	生成过程中采样候选集的大小。
enableSearch	模型在生成文本时是否使用互联网搜索结果作为参考。
seed	设置 seed 参数会使文本生成过程更确定，通常用于让结果保持一致。
repetitionPenalty	模型生成中连续序列的重复度。增大 repetition_penalty 会减少模型生成的重复，1.0 表示无惩罚。取值范围：(0, +inf)
temperature	采样温度，控制模型生成文本的多样性。温度越高，生成的文本越多样，反之亦然。取值范围：[0, 2)
stops	通过 stop 参数，当模型即将生成指定的字符串或 token_id 时会自动停止生成文本。
maxTokens	本请求返回的最大词元数。
listeners	监听请求、响应与错误的监听器。

QwenStreamingChatModel

与 QwenChatModel 相同

QwenLanguageModel

与 QwenChatModel 相同，只是没有 listeners。

QwenStreamingLanguageModel

与 QwenChatModel 相同，只是没有 listeners。

示例

纯 Java

你可以用以下代码初始化 QwenChatModel：

ChatModel qwenModel = QwenChatModel.builder()
                    .apiKey("You API key here")
                    .modelName("qwen-max")
                    .build();

或针对其他参数做更多自定义：

ChatModel qwenModel = QwenChatModel.builder()
                    .apiKey("You API key here")
                    .modelName("qwen-max")
                    .enableSearch(true)
                    .temperature(0.7)
                    .maxTokens(4096)
                    .stops(List.of("Hello"))
                    .build();

如何调用文生图：

WanxImageModel wanxImageModel = WanxImageModel.builder()
                    .modelName("wanx2.1-t2i-plus") 
                    .apiKey("阿里云百炼apikey")     
                    .build();
Response<Image> response = wanxImageModel.generate("美女");
System.out.println(response.content().url());

Spring Boot

引入 langchain4j-community-dashscope-spring-boot-starter 依赖后，你可以仅用下面的配置注册 QwenChatModel bean：

langchain4j.community.dashscope.chat-model.api-key=<You API Key here>
langchain4j.community.dashscope.chat-model.model-name=qwen-max
# The properties are the same as `QwenChatModel`
# e.g.
# langchain4j.community.dashscope.chat-model.temperature=0.7
# langchain4j.community.dashscope.chat-model.max-tokens=4096

更多示例

更多细节可在 LangChain4j Community 中查看