#!/usr/bin/env python # coding: utf-8 # 导入依赖库 from cmd import PROMPT from urllib import response import dashscope import os # 从环境变量中获取 API Key dashscope.api_key = os.getenv('DASHSCOPE_API_KEY') # 基于 prompt 生成文本 # 使用 deepseek-v3 模型 def get_completion(prompt, model="qwen-max"): messages = [{"role": "user", "content": prompt}] # 将 prompt 作为用户输入 response = dashscope.Generation.call( model=model, messages=messages, result_format='message', # 将输出设置为message形式 temperature=0, # 模型输出的随机性，0 表示随机性最小 ) return response.output.choices[0].message.content # 返回模型生成的文本 # 任务描述 instruction = """ 你是一位资深儿科医生，请用通俗易懂的方式向新手父母解释： """ # 用户输入 input_text =""" 为什么婴儿会频繁夜醒？ """ # prompt(提示词) prompt = f""" # 目标 {instruction} # 用户输入 {input_text} """ print("=====prompt==========") print(prompt) print("=====================") # 调用大模型 response = get_completion(prompt) print(response)
