探索ChatTongyi：如何在Langchain中集成Tongyi大语言模型

最新推荐文章于 2025-09-30 11:22:41 发布

原创

最新推荐文章于 2025-09-30 11:22:41 发布 · 683 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#langchain #语言模型 #easyui

探索ChatTongyi：如何在Langchain中集成Tongyi大语言模型

引言

在当今快速发展的人工智能时代，自然语言处理（NLP）正成为各行各业中的关键技术。阿里巴巴的达摩院推出的Tongyi Qwen语言模型，提供强大的语言理解和生成能力，为我们解决各种复杂任务提供了新的可能性。在本文中，我们将介绍如何在Langchain中使用ChatTongyi模型，并通过简单的代码示例展示如何进行集成，以提高你的应用程序的智能化水平。

主要内容

安装和设置

首先，你需要安装Langchain社区包dashscope，以便访问ChatTongyi模型功能：

%pip install --upgrade --quiet dashscope

获取API Key，并将其设置为环境变量：

from getpass import getpass

DASHSCOPE_API_KEY = getpass()

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

tt_jishu

关注关注

5
点赞
踩
5

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

langchain[2]：Langchain实战教学,国内大模型LLM选择以及主流大模型快速使用教程[GLM4/Qwen/Baichuan/Coze/Kimi]

丨汀、的博客

07-16

2776

langchain[2]：Langchain实战教学,国内大模型LLM选择以及主流大模型快速使用教程[GLM4/Qwen/Baichuan/Coze/Kimi]

大模型工程师学习日记（三）：LangChain基础知识，解锁大型语言模型的无限潜力！

qq_75269600的博客

01-10

1171

在人工智能的浪潮中，大型语言模型（LLMs）如 OpenAI 的 GPT、Hugging Face 的模型等，正在改变我们与技术交互的方式。然而，仅仅使用这些模型生成文本还远远不够。如何将这些模型与外部工具、数据源和逻辑结合起来，构建更强大的应用程序，成为了开发者面临的新挑战。这就是LangChain的用武之地。LangChain 是一个开源框架，旨在简化与大型语言模型的交互，并帮助开发者构建复杂的应用程序。

参与评论您还未登录，请先登录后发表或查看评论

Ai Agent之Langchain提示模板与模型的交互示范代码(二)

ganlaotian的博客

01-10

280

就是提示模板与前面的聊天代码的混合，最大的好处就是交互规范一致，相同的模板可以用于多种情况，只需要替换不同的指，简化参数管理。

大模型应用开发实战，LangChain调用阿里巴巴通义千问大模型

kaka0722ww的博客

01-03

901

LangChain基于LLM的能力，提供了一套整体的大模型应用开发技术方案和额外的技术能力。

LangChain实践2：编写取名程序，predict的小坑问题记录

Stream_Silver的博客

09-30

160

经过环境配置，我们跑通了和LLM的链接，有了这些基础的设置，我们可以尝试使用LLM进行一次编程操作。由于predict在新版langchain里不支持，所以将predict替换为invoke（）即可。

使用LangChain与ChatTongyi实现智能对话：入门指南

qq_29929123的博客

10-06

727

通过以上内容，我们了解了如何使用LangChain与ChatTongyi结合构建智能对话系统。希望这些信息能帮助你在项目中应用并获得成功。

使用Langchain与ChatTongyi实现智能对话：全面指南

dsndnwfk的博客

12-07

835

通过结合使用Langchain与ChatTongyi，您可以构建复杂而强大的自然语言处理应用。Langchain官方文档阿里云DashScope文档。

LangChain核心模块 Model I/O——Chat Models

weixin_43787408的博客

03-23

1967

流支持默认返回单个值的迭代器（或异步流情况下的 AsyncIterator），即底层 ChatModel 提供程序返回的最终结果。这显然不会为您提供逐个令牌的流式传输，这需要 ChatModel 提供商的本机支持，但确保需要令牌迭代器的代码可以适用于我们的任何 ChatModel 集成。对于原型设计非常有用，但不允许实现您可能想要从聊天模型中获得的所有功能，但它实现起来很快，如果您需要更多功能，您可以过渡到。许多模型实现了帮助器方法，这些方法将负责格式化不同的类似函数的对象并将其绑定到模型。

深入了解ChatTongyi：利用LangChain实现强大自然语言处理

stjklkjhgffxw的博客

10-17

773

通过本文，你已经了解了如何使用LangChain集成ChatTongyi来实现强大的自然语言处理应用。阿里云API参考LangChain文档。

使用LangChain集成Tongyi：打造智能对话模型

jaioyfpo的博客

10-02

969

Tongyi是由阿里巴巴达摩院开发的大型语言模型，它可以通过自然语言理解和语义分析来处理用户输入，为多种领域和任务提供服务和支持。结合LangChain，能够更轻松地集成和使用这些强大的模型。通过本文的介绍，您应该对如何利用LangChain集成Tongyi有一个全面的了解。阿里云官方文档Dashscope文档。

探索ChatTongyi：如何在Langchain中使用AI模型进行自然语言处理

dsndnwfk的博客

10-13

570

ChatTongyi是一种大语言模型，具备处理自然语言输入的能力。它不仅可以完成聊天交流，还支持多种功能调用，帮助用户在不同领域和任务中获取精确的结果。ChatTongyi在自然语言处理方面提供了强大的功能，结合Langchain，开发者可以轻松实现复杂的语言交互应用。阿里云API文档Langchain官方指南。

PyLMKit(9)：ChatTable与你的表格聊天，表格问答

小知的博客

03-31

594

与你的结构化数据聊天：支持主流数据库、表格型excel等数据！

ChatTongyi × LangChain：开启多模态AI应用创新之门

weixin_44872675的博客

07-15

407

（基于通义千问大模型）与LangChain框架的深度集成，为开发者打造了一套高效、灵活、全面的AI开发工具链。无论是文本对话、复杂任务自动化，还是图像理解，这一组合都为多场景智能应用的落地提供了坚实的基础。ChatTongyi与LangChain的结合，已成为智能应用开发领域的“黄金搭档”。对开发者而言，无论是打造智能助手、行业垂直工具，还是探索多模态创新应用，这一组合都能极大降低开发门槛、缩短创新周期，实现AI能力的快速落地和规模化应用。阿里云通义实验室推出的。

使用ChatTongyi进行AI对话与工具集成

tt_jishu的博客

06-20

440

Tongyi Qwen是由阿里巴巴达摩院开发的大规模语言模型，具备强大的自然语言处理能力，适用于多种任务和领域。在这篇文章中，我们将介绍如何使用langchain库中的ChatTongyi来进行对话处理及调用工具。

使用LangChain三行代码调用通义千问大模型API，详细教程

weixin_42121606的博客

08-16

3000

通过简单的三行代码快速调用通义千问大模型的 API。

从零开始打造自己的Manus：学学如何使用 LangChain 快速构建 AI Agent

AI生成曾小健3

03-13

1255

最近，随着Manus的强势出圈，「智能体（Agent）」这一概念一下子占据了人们的视野，成为AI领域最新的流量密码。那么，智能体到底是什么？我们又该如何快速入门打造自己的智能体应用呢？其实，作为大模型开发热门框架的LangChain，就能帮助我们轻松实现这一目标。今天，就让我们从零开始，一起看看如何用LangChain打造一个专属于自己的Agent智能系统吧！借用知乎用户邓炎。

无缝集成：将LangChain完美适配至ChatGLM-zhipu API

m0_63171455的博客

07-24

3064

前段时间智谱AI推出了新一代LLM-GLM4，随之而来智谱AI发布了新版本[API SDKv4]由于最近我在自研自己的智能摘要平台，除了OpenAI，想着也能接入我们自己国产大模型之光GLM，一个调用方便，一个是为了降低Token成本🤭。GLM4和GLM3-turbo经过Prompt实测能达到我们智能摘要要求（这项测试后面再进行分享）。接下来就是要集成进应用，目前大模型的应用开发框架，Langchain无疑是最热的一个。

LangChain入门学习笔记（五）—— Model I/O之Chat Models

stingfire的博客

06-19

2111

generate：用于根据输入的提示语生成结果。_llm_type：返回属性字符串，用来唯一标志模型类型名称。_agenerate：_generate的异步版本。_stream / _astream：流式传输的同步/异步版本。_identifying_params：用于追踪目的的模型参数属性值。

langchain调用通义千问大模型

最新发布

11-26

LangChain调用通义千问大模型可以通过以下几种方法实现： ### 方法一：使用LangChain调用通义千问接口实现翻译可参考英文官方文档（https://python.langchain.com/docs/introduction/ ）和中文非官方文档（https://www.langchain.com.cn/docs/introduction/ ）进行开发，虽未给出具体代码，但提供了相关文档指引，可从文档中进一步探索调用通义千问接口实现翻译等功能的详细步骤 [^1]。 ### 方法二：基于LangChain实现RAG（大模型使用通义千问） ```python from langchain.schema.runnable import RunnablePassthrough from langchain.schema.output_parser import StrOutputParser from langchain_community.chat_models.tongyi import ChatTongyi from langchain_core.messages import HumanMessage from langchain.prompts import ChatPromptTemplate import os # 初始化通义千问模型 chatLLM = ChatTongyi( streaming=False, ) # 定义一个检索器组件。这个检索器会根据用户的查询和嵌入块之间的语义相似度，提供额外的上下文信息 retriever = vectordb.as_retriever() # 构建RAG链 rag_chain = ( {"context": retriever, "question": RunnablePassthrough()} | prompt | chatLLM | StrOutputParser() ) # 执行查询 query = "剧情进行到哪一步了" result = rag_chain.invoke(query) print(result) ``` 此方法使用通义千问的大模型来实现生成操作，通过构建RAG链，结合检索器和模型进行问答处理 [^2]。 ### 方法三：大模型应用开发实战，LangChain调用阿里巴巴通义千问大模型 ```python from langchain_core.prompts import PromptTemplate from langchain_core.output_parsers import StrOutputParser from langchain_community.llms import Tongyi from dotenv import load_dotenv # 加载环境变量，.env文件中需要定义DASHSCOPE_API_KEY这个值，通义千问使用 load_dotenv() # 提示词模板，就是送给大模型的问题模板，里面可以有变量 my_prompt = PromptTemplate.from_template("""回答这个问题：{input}""") # 大模型本身 llm = Tongyi() # LangChain的Chain就是链的意思，用管道串联各个处理器 # 中间的LLM就是我们的大模型 chain = my_prompt | llm | StrOutputParser() # 传入真实的问题，得到结果 output = chain.invoke({"input": "langchain比llm多了哪些能力？"}) print(output) ``` 该方法展示了如何将LangChain与通义千问大模型集成，实现基于提示词模板的问答功能，通过加载环境变量、定义提示词模板、初始化模型和构建链来完成调用 [^3]。 ### 方法四：使用LangChain三行代码调用通义千问大模型API ```python from langchain_community.chat_models import ChatTongyi chat = ChatTongyi(model='qwen-long', top_p=0.8, temperature=0.1, api_key='sk-***') print(chat.invoke("你是谁？1+1等于多少？")) ``` 此方法只需三行代码，通过安装`langchain-community`和`dashscope`相关包，初始化`ChatTongyi`对象并调用其`invoke`方法进行交互 [^4]。