第5章：阿里云大模型产品

本章详细介绍阿里云的大模型产品体系，包括 DashScope 灵积平台、通义千问 Qwen 系列、通义万相（图像生成）、通义听悟（语音处理）等产品，帮助你快速找到适合自己应用场景的AI能力。

5.1 阿里云大模型产品全景

5.1.1 产品体系架构

阿里云的大模型产品布局完整，覆盖从底层基础设施到上层应用的各个层面：

┌─────────────────────────────────────────────────────────────────┐
│                  阿里云大模型产品体系                             │
├─────────────────────────────────────────────────────────────────┤
│                                                                  │
│  ┌─────────────────────────────────────────────────────────┐   │
│  │                      应用层产品                          │   │
│  │  ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐   │   │
│  │  │通义千问  │ │通义万相  │ │通义听悟  │ │通义灵码  │   │   │
│  │  │  Chat   │ │ 图像生成  │ │ 语音处理  │ │ 代码助手 │   │   │
│  │  └──────────┘ └──────────┘ └──────────┘ └──────────┘   │   │
│  └─────────────────────────────────────────────────────────┘   │
│                              ↓                                 │
│  ┌─────────────────────────────────────────────────────────┐   │
│  │                    模型服务平台                          │   │
│  │  ┌──────────────────────────────────────────────────┐   │   │
│  │  │              DashScope 灵积                        │   │   │
│  │  │  • 模型API调用  • 模型服务  • 模型评测  • 模型管理   │   │   │
│  │  └──────────────────────────────────────────────────┘   │   │
│  └─────────────────────────────────────────────────────────┘   │
│                              ↓                                 │
│  ┌─────────────────────────────────────────────────────────┐   │
│  │                    模型训练平台                          │   │
│  │  ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐   │   │
│  │  │  PAI-    │ │  PAI-    │ │  PAI-    │ │  模型库   │   │   │
│  │  │  DSW     │ │  EAS     │ │  Autodl  │ │  ModelScope│  │   │
│  │  └──────────┘ └──────────┘ └──────────┘ └──────────┘   │   │
│  └─────────────────────────────────────────────────────────┘   │
│                                                                  │
└─────────────────────────────────────────────────────────────────┘

5.1.2 核心产品一览

5.2 DashScope 灵积平台

5.2.1 平台概述

DashScope（灵积）是阿里云推出的大模型服务平台，提供统一的 API 接口，让你可以通过简单的 HTTP 调用访问多种大模型能力。

核心优势：

• 统一入口：一个 API 接入多种模型
• 按量付费：无需预付费，按实际调用量计费
• 弹性扩展：自动应对流量高峰
• 稳定可靠：企业级 SLA 保障

5.2.2 支持的模型类别

┌─────────────────────────────────────────────────────────────────┐
│                     DashScope 支持的模型类别                     │
├─────────────────────────────────────────────────────────────────┤
│                                                                  │
│  📝 文本生成                                                     │
│  ├── qwen-turbo   (高速)                                        │
│  ├── qwen-plus    (标准)                                        │
│  ├── qwen-max     (高性能)                                      │
│  └── qwen-max-longcontext (长上下文)                             │
│                                                                  │
│  🎨 图像生成                                                     │
│  ├── wanx2.1      (文生图)                                      │
│  └── wanx-v1      (图像风格化)                                   │
│                                                                  │
│  🔊 语音识别                                                     │
│  ├── paraformer-zh  (中文)                                      │
│  └── paraformer-en  (英文)                                      │
│                                                                  │
│  🗣️ 语音合成                                                     │
│  └── cosyvoice-v1  (自然语音)                                   │
│                                                                  │
│  🔍 向量嵌入                                                     │
│  └── text-embedding-v3  (高精度向量)                            │
│                                                                  │
│  📊 重排序                                                       │
│  └── rerank-v3      (语义排序)                                  │
│                                                                  │
└─────────────────────────────────────────────────────────────────┘

5.2.3 API 申请与配置

Step 1：开通服务

1. 登录阿里云控制台
2. 搜索“DashScope“或访问 https://dashscope.console.aliyun.com
3. 点击“开通服务“
4. 完成授权

Step 2：获取 API Key

1. 进入 DashScope 控制台
2. 点击左侧“API-KEY管理“
3. 创建新的 API-KEY
4. 妥善保存生成的密钥

⚠️ 安全提示：API Key 等同于你的账号密码，请勿泄露或提交到公开代码仓库。

Step 3：配置环境变量

# macOS/Linux: 添加到 ~/.bashrc 或 ~/.zshrc
export DASHSCOPE_API_KEY="sk-xxxxxxxxxxxxxxxxxxxxxxxx"

# Windows: 在系统环境变量中添加
# DASHSCOPE_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxx

# 验证配置
echo $DASHSCOPE_API_KEY

Step 4：SDK 安装

# 使用 pip 安装
pip install dashscope

# 或使用阿里云 SDK
pip install alibaba-cloud-sdk-go-v3

5.3 通义千问 Qwen 系列

5.3.1 Qwen 模型家族

通义千问（Qwen） 是阿里云自研的大语言模型系列，参数规模从十几亿到上千亿不等：

5.3.2 模型特点

Qwen 的核心优势：

1. 强大的中文能力：针对中文语境优化，中文任务表现优异
2. 开源开放：Qwen 系列开源模型在 ModelScope 和 HuggingFace 可下载
3. 长上下文：部分版本支持超长上下文窗口
4. 工具调用：支持 Function Calling，便于 Agent 开发
5. 代码能力：CodeQwen 在代码生成方面表现突出

5.3.3 API 调用示例

基础对话调用

import dashscope
from dashscope import Generation

# 设置 API Key
dashscope.api_key = "your-api-key"

def chat_with_qwen(prompt: str, model: str = "qwen-turbo") -> str:
    """与通义千问对话"""
    response = Generation.call(
        model=model,
        messages=[
            {"role": "system", "content": "你是一个有帮助的AI助手。"},
            {"role": "user", "content": prompt}
        ],
        temperature=0.7,
        top_p=0.8,
        result_format="message"
    )
    
    if response.status_code == 200:
        return response.output.choices[0].message.content
    else:
        return f"请求失败: {response.code} - {response.message}"

# 使用示例
result = chat_with_qwen("用一句话解释什么是云计算")
print(result)

多轮对话

def multi_turn_chat(messages: list) -> str:
    """多轮对话"""
    response = Generation.call(
        model="qwen-plus",
        messages=messages,
        temperature=0.7,
        result_format="message"
    )
    
    if response.status_code == 200:
        return response.output.choices[0].message
    else:
        raise Exception(f"API调用失败: {response.message}")

# 构建多轮对话
conversation = [
    {"role": "system", "content": "你是一个专业的Python教练。"},
    {"role": "user", "content": "什么是装饰器？"},
]

# 第一轮对话
assistant_msg = multi_turn_chat(conversation)
print(f"助手: {assistant_msg.content}")
conversation.append(assistant_msg)

# 添加用户追问
conversation.append({
    "role": "user", 
    "content": "能给我一个实际的使用例子吗？"
})

# 第二轮对话
assistant_msg = multi_turn_chat(conversation)
print(f"助手: {assistant_msg.content}")

流式输出

from dashscope import Generation
from dashscope.callback import CallbackIterator

def stream_chat(prompt: str):
    """流式对话，实时显示输出"""
    responses = Generation.call(
        model="qwen-turbo",
        messages=[
            {"role": "user", "content": prompt}
        ],
        stream=True,
        incremental_output=True
    )
    
    full_response = ""
    for response in responses:
        if response.status_code == 200:
            content = response.output.choices[0].delta.content
            print(content, end="", flush=True)
            full_response += content
        else:
            print(f"\n错误: {response.message}")
            break
    print()  # 换行
    return full_response

# 使用示例
result = stream_chat("写一首关于春天的诗")

函数调用（Function Calling）

from dashscope import Generation
from openai import OpenAI
import json

# 定义可用函数
functions = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "获取指定城市的天气信息",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {
                        "type": "string",
                        "description": "城市名称，如：北京、上海"
                    },
                    "unit": {
                        "type": "string",
                        "enum": ["celsius", "fahrenheit"],
                        "description": "温度单位"
                    }
                },
                "required": ["city"]
            }
        }
    }
]

def get_weather(city: str, unit: str = "celsius") -> dict:
    """模拟天气查询API"""
    # 实际项目中这里调用真实天气API
    return {
        "city": city,
        "temperature": 22 if unit == "celsius" else 72,
        "condition": "晴转多云",
        "humidity": 65
    }

def chat_with_function(prompt: str):
    """支持函数调用的对话"""
    messages = [{"role": "user", "content": prompt}]
    
    # 第一次调用：模型决定是否需要调用函数
    response = Generation.call(
        model="qwen-max",
        messages=messages,
        tools=functions,
        temperature=0.7
    )
    
    if response.status_code == 200:
        choice = response.output.choices[0]
        
        # 如果模型决定调用函数
        if hasattr(choice, 'finish_reason') and choice.finish_reason == 'tool_calls':
            tool_calls = choice.message.tool_calls
            
            for tool_call in tool_calls:
                func_name = tool_call.function.name
                func_args = json.loads(tool_call.function.arguments)
                
                print(f"调用函数: {func_name}")
                print(f"参数: {func_args}")
                
                # 执行函数
                if func_name == "get_weather":
                    result = get_weather(**func_args)
                    print(f"函数返回: {result}")
                    
                    # 添加函数结果到对话
                    messages.append(choice.message)
                    messages.append({
                        "role": "tool",
                        "tool_call_id": tool_call.id,
                        "content": json.dumps(result)
                    })
                    
                    # 第二次调用：基于函数结果生成回复
                    response = Generation.call(
                        model="qwen-max",
                        messages=messages,
                        tools=functions
                    )
                    print(f"最终回复: {response.output.choices[0].message.content}")
        else:
            print(f"回复: {choice.message.content}")

# 使用示例
chat_with_function("北京今天天气怎么样？")

5.4 通义万相：图像生成

5.4.1 产品概述

通义万相是阿里云的图像生成模型，支持文生图、图像风格化、图像修复等功能。

主要能力：

• 文本到图像：根据文字描述生成图片
• 风格迁移：将图片转换为不同艺术风格
• 相似图像生成：生成与参考图风格相似的作品

5.4.2 API 调用示例

from dashscope import ImageSynthesis

def text_to_image(prompt: str, model: str = "wanx2.1-pro") -> list:
    """
    文本生成图像
    prompt: 图像描述（中文效果更佳）
    返回生成的图像URL列表
    """
    response = ImageSynthesis.call(
        model=model,
        prompt=prompt,
        n=1,  # 生成数量
        size="1024*1024"  # 图像尺寸
    )
    
    if response.status_code == 200:
        return response.output.results
    else:
        raise Exception(f"生成失败: {response.message}")

def generate_and_save(prompt: str, output_path: str = "generated_image.png"):
    """生成图像并保存"""
    import urllib.request
    import ssl
    
    results = text_to_image(prompt)
    
    # 下载并保存图像
    for idx, result in enumerate(results):
        url = result.url
        print(f"图像 {idx+1} URL: {url}")
        
        # 下载图像
        ssl._create_default_https_context = ssl._create_unverified_context
        urllib.request.urlretrieve(url, f"{output_path}")
        print(f"已保存到: {output_path}")
    
    return results

# 使用示例
results = generate_and_save(
    "一只可爱的橘猫在阳光下打盹，写实风格，高清摄影"
)

5.4.3 提示词技巧

文生图模型对提示词非常敏感，以下是一些技巧：

# 好的提示词示例
good_prompts = [
    # 明确主体
    "一只穿着宇航服的柯基犬",
    
    # 添加风格描述
    "山水画风格的中国古典园林",
    
    # 添加细节修饰
    "4K高清, 电影级光效, 辛烷值渲染",
    
    # 添加负面提示词（避免不良结果）
    "纯色背景, 简单构图, 不要文字",
]

# 结构化提示词模板
def build_prompt(subject: str, style: str, quality: str = "4K高清") -> str:
    """构建高质量提示词"""
    return f"{subject}, {style}, {quality}, 细节丰富, 光影效果好"

prompt = build_prompt(
    subject="未来城市的空中花园",
    style="赛博朋克风格",
    quality="8K超清"
)
print(prompt)  # 未来城市的空中花园, 赛博朋克风格, 8K超清, 细节丰富, 光影效果好

5.5 通义听悟：语音处理

5.5.1 产品概述

通义听悟是阿里云的语音处理产品，核心能力包括：

• 语音转文字（ASR）：高准确率的中英文语音识别
• 会议纪要：自动生成会议摘要和关键要点
• 实时字幕：会议、直播实时字幕
• 音频分析：说话人分离、情感分析

5.5.2 API 调用示例

语音识别

from dashscope import Audio

def transcribe_audio(audio_path: str) -> str:
    """
    语音转文字
    支持格式: wav, mp3, m4a, ogg
    """
    response = Audio.async_call(
        model="paraformer-zh",
        file_path=audio_path,
        notification_queue_name="your-queue-name"  # 需要先创建消息队列
    )
    
    if response.status_code == 200:
        task_id = response.output.task_id
        print(f"任务ID: {task_id}")
        return task_id
    else:
        raise Exception(f"转写失败: {response.message}")

def get_transcription_result(task_id: str) -> dict:
    """查询转写结果"""
    response = Audio.async_result(task_id)
    
    if response.status_code == 200:
        result = response.output
        return {
            "status": result.task_status,
            "text": result.results.get("text", ""),
            "sentences": result.results.get("sentences", [])
        }
    else:
        raise Exception(f"查询失败: {response.message}")

# 使用示例
task_id = transcribe_audio("/path/to/recording.mp3")

# 轮询获取结果（实际项目中建议使用消息队列异步通知）
import time
for _ in range(30):  # 最多等待5分钟
    result = get_transcription_result(task_id)
    if result["status"] == "SUCCEEDED":
        print("转写结果:")
        print(result["text"])
        break
    elif result["status"] == "FAILED":
        print("转写失败")
        break
    else:
        print(f"处理中... {result['status']}")
        time.sleep(10)

处理长音频

def transcribe_long_audio(file_path: str, language_hints: str = "zh") -> str:
    """
    转写长音频（自动分段处理）
    """
    import os
    
    # 验证文件存在
    if not os.path.exists(file_path):
        raise FileNotFoundError(f"文件不存在: {file_path}")
    
    # 获取文件大小
    file_size = os.path.getsize(file_path)
    print(f"文件大小: {file_size / 1024 / 1024:.2f} MB")
    
    # 长音频自动分段
    response = Audio.async_call(
        model="paraformer-zh",
        file_path=file_path,
        language_hints=language_hints,
        speaker_number=2,  # 假设有2个说话人
        hot_word_ids=["阿里云", "DashScope"],  # 热词，提升专有名词识别率
        time_out=300  # 5分钟超时
    )
    
    return response.output.task_id

# 使用示例
task_id = transcribe_long_audio("/path/to/meeting.mp3")

5.6 其他模型服务

5.6.1 向量嵌入模型

from dashscope import TextEmbedding

def get_embedding(text: str, model: str = "text-embedding-v3") -> list:
    """获取文本的向量表示"""
    response = TextEmbedding.call(
        model=model,
        input=text
    )
    
    if response.status_code == 200:
        return response.output.embeddings[0].embedding
    else:
        raise Exception(f"嵌入失败: {response.message}")

def compute_similarity(text1: str, text2: str) -> float:
    """计算两个文本的相似度"""
    import numpy as np
    
    emb1 = np.array(get_embedding(text1))
    emb2 = np.array(get_embedding(text2))
    
    # 余弦相似度
    similarity = np.dot(emb1, emb2) / (np.linalg.norm(emb1) * np.linalg.norm(emb2))
    return similarity

# 使用示例
sim = compute_similarity(
    "人工智能将改变未来的工作方式",
    "AI技术会深刻影响未来的职业发展"
)
print(f"相似度: {sim:.4f}")  # 约0.85-0.95

5.6.2 重排序模型

from dashscope import Rerank

def semantic_search(query: str, documents: list) -> list:
    """
    语义重排序
    query: 查询文本
    documents: 文档列表
    返回按相关性排序的文档
    """
    response = Rerank.call(
        model="gte-rerank",
        query=query,
        documents=documents,
        top_n=len(documents)
    )
    
    if response.status_code == 200:
        results = response.output.results
        return [
            {"index": r.index, "document": documents[r.index], "score": r.relevance_score}
            for r in results
        ]
    else:
        raise Exception(f"重排失败: {response.message}")

# 使用示例
docs = [
    "云计算是一种通过网络提供计算资源的服务模式",
    "人工智能是研究如何让计算机模拟人类智能的学科",
    "机器学习是人工智能的一个分支，让计算机从数据中学习"
]

results = semantic_search("什么是机器学习？", docs)
for r in results:
    print(f"[{r['score']:.4f}] {r['document']}")

5.7 阿里云百炼平台

5.7.1 平台概述

阿里云百炼（原DashScope企业版）是面向企业客户的大模型服务平台，提供更丰富的企业级功能：

• 模型训练：私有化模型定制
• 模型部署：一键部署专属模型服务
• 知识库：企业知识管理
• Agent：智能体编排
• 企业级安全：数据隔离、权限管理

5.7.2 与 DashScope 的区别

本章小结

本章介绍了阿里云的大模型产品体系：

1. DashScope 灵积：统一的大模型 API 服务平台
2. 通义千问 Qwen：覆盖多种规格的文本生成模型
3. 通义万相：文本到图像的生成能力
4. 通义听悟：语音识别与处理能力
5. 向量嵌入与重排序：支撑 RAG 应用的核心能力

下一章我们将深入学习 DashScope API 的使用，掌握快速构建 AI 应用的能力。

思考与练习

1. 产品选型：为一个校园助手应用选择合适的阿里云产品组合，说明理由。

2. 成本优化：对比 qwen-turbo、qwen-plus、qwen-max 的定价特点，讨论在什么场景下应该选择哪个模型。

3. 实践操作：在阿里云控制台开通 DashScope 服务，编写一个简单的对话程序。

4. 扩展探索：调研 DashScope 还支持哪些模型（如通义万相的详细功能）。

5. 架构设计：设计一个基于 DashScope API 的客服系统架构图。