長文コンテキスト (Qwen-Long)

import os
from openai import OpenAI, BadRequestError

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),  # 設定されていない場合は、ご自身の API キーに置き換えてください。
    # 中国 (北京) リージョンのエンドポイントです。{WorkspaceId} をご利用のワークスペース ID に置き換えてください。URL はリージョンによって異なります。
    base_url="https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1",
)
# メッセージリストを初期化します。
messages = [
    {'role': 'system', 'content': 'You are a helpful assistant.'},
    # '{FILE_ID1}' を会話で使用する file-id に置き換えてください。
    {'role': 'system', 'content': f'fileid://{FILE_ID1}'},
    {'role': 'user', 'content': 'この記事は何について説明していますか？'}
]

try:
    # 1巡目の応答
    completion_1 = client.chat.completions.create(
        model="qwen-long",
        messages=messages,
        stream=False
    )
    # 1巡目の応答を出力します。
    # ストリーミングする場合: stream=True を設定し、セグメントを連結して assistant_message の内容として渡します。
    print(f"First-round response: {completion_1.choices[0].message.model_dump()}")
except BadRequestError as e:
    print(f"Error: {e}")
    print("ドキュメントをご参照ください: https://www.alibabacloud.com/help/model-studio/error-code")

# assistant_message を構築します。
assistant_message = {
    "role": "assistant",
    "content": completion_1.choices[0].message.content}

# assistant_message を messages に追加します。
messages.append(assistant_message)

# 追加するドキュメントの file-id を messages に追加します。
# '{FILE_ID2}' を会話で使用する file-id に置き換えてください。
system_message = {'role': 'system', 'content': f'fileid://{FILE_ID2}'}
messages.append(system_message)

# ユーザーの質問を追加します。
messages.append({'role': 'user', 'content': 'これら2つの記事で説明されている手法の類似点と相違点は何ですか？'})

# ドキュメント追加後の応答。
completion_2 = client.chat.completions.create(
    model="qwen-long",
    messages=messages,
    # すべてのコード例では、モデルの出力プロセスを明確かつ直感的に示すためにストリーミング出力を使用しています。ストリーミング出力を使用しない例については、https://www.alibabacloud.com/help/model-studio/text-generation をご参照ください。
    stream=True,
    stream_options={
        "include_usage": True
    }
)

# ドキュメント追加後の応答をストリーミングして出力します。
print("Response after appending the document:")
for chunk in completion_2:
    print(chunk.model_dump())

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),  # 環境変数を設定していない場合は、ここで API キーを置き換えます
    # 中国 (北京) リージョンのエンドポイントです。{WorkspaceId} をご利用のワークスペース ID に置き換えてください。URL はリージョンによって異なります。
    base_url="https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1",
)
# messages リストを初期化します
completion = client.chat.completions.create(
    model="qwen-long",
    messages=[
        {'role': 'system', 'content': 'You are a helpful assistant.'},
        {'role': 'system', 'content': 'Alibaba Cloud Model Studio X1————究極の視覚体験をお楽しみください：6.7 インチ 1440 x 3200 ピクセルの超高精細画面、120Hz の更新頻度...'},
        {'role': 'system', 'content': 'Stardust S9 Pro —— 革新的な視覚の饗宴：画期的な 6.9 インチ 1440 x 3088 ピクセルのアンダーディスプレイカメラ設計...'},
        {'role': 'user', 'content': 'これら2つの記事で説明されている製品の類似点と相違点は何ですか？'}
    ],
    # すべてのコード例では、モデルの出力プロセスを明確かつ直感的に示すためにストリーミング出力を使用しています。非ストリーミングの例については、https://www.alibabacloud.com/help/model-studio/text-generation をご参照ください
    stream=True,
    stream_options={"include_usage": True}
)
full_content = ""
for chunk in completion:
    if chunk.choices and chunk.choices[0].delta.content:
        # 出力コンテンツを追加します
        full_content += chunk.choices[0].delta.content
        print(chunk.model_dump())

print(full_content)

import os
from openai import OpenAI, BadRequestError

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),  # 環境変数を設定していない場合は、ここで API キーを置き換えます
    # 中国 (北京) リージョンのエンドポイントです。{WorkspaceId} をご利用のワークスペース ID に置き換えてください。URL はリージョンによって異なります。
    base_url="https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1",
)
# messages リストを初期化します
messages = [
    {'role': 'system', 'content': 'You are a helpful assistant.'},
    {'role': 'system', 'content': 'Alibaba Cloud Model Studio X1 —— 究極の視覚体験をお楽しみください：6.7 インチ 1440 x 3200 ピクセルの超高精細画面、120Hz の更新頻度...'},
    {'role': 'user', 'content': 'この記事は何について書かれていますか？'}
]

try:
    # 1巡目の応答
    completion_1 = client.chat.completions.create(
        model="qwen-long",
        messages=messages,
        stream=False
    )
    # 1巡目の応答を出力します
    # 1巡目でストリーミング出力を行うには、stream=True を設定し、各セグメントのコンテンツを連結します。連結した文字列を、assistant_message を構築する際の content として渡します
    print(f"1巡目の応答: {completion_1.choices[0].message.model_dump()}")
except BadRequestError as e:
    print(f"Error: {e}")
    print("詳細については、https://www.alibabacloud.com/help/model-studio/error-code をご参照ください")

# assistant_message を構築します
assistant_message = {
    "role": "assistant",
    "content": completion_1.choices[0].message.content}

# assistant_message を messages に追加します
messages.append(assistant_message)
# 新しいドキュメントコンテンツを messages に追加します
system_message = {
    'role': 'system',
    'content': 'Stardust S9 Pro —— 革新的な視覚の饗宴：画期的な 6.9 インチ 1440 x 3088 ピクセルのアンダーディスプレイカメラ設計、没入感のある視覚体験を提供...'}
messages.append(system_message)

# ユーザーの質問を追加します
messages.append({
    'role': 'user',
    'content': 'これら2つの記事で説明されている製品の類似点と相違点は何ですか？'
})

# ドキュメント追加後の応答
completion_2 = client.chat.completions.create(
    model="qwen-long",
    messages=messages,
    # すべてのコード例では、モデルの出力プロセスを明確かつ直感的に示すためにストリーミング出力を使用しています。非ストリーミングの例については、https://www.alibabacloud.com/help/model-studio/text-generation をご参照ください
    stream=True,
    stream_options={"include_usage": True}
)

# ドキュメント追加後の応答をストリーミングして出力します
print("ドキュメント追加後の応答:")
for chunk in completion_2:
    print(chunk.model_dump())