新闻详情

新闻详情

首页 / 资讯中心 / 详情

qwen 千问、deepseek大模型联网及json格式化输出

发布时间:2026/11/6 19:17:46来源:尧图网络
qwen 千问、deepseek大模型联网及json格式化输出
1、qwen 千问参考https://bailian.console.aliyun.com/?spm5176.24532587.nav-v2-dropdown-menu-0.d_main_0_0_2.19b242f4vwiE7itabapiscm20140722.M_10852062._.V_1#/api/?typemodelurl2712576联网搜索回答https://help.aliyun.com/zh/model-studio/web-search#cbddf5b28bug8 算工具调用import os from openai import OpenAI client OpenAI( # 若没有配置环境变量请用百炼API Key将下行替换为api_keysk-xxx, api_keyos.getenv(DASHSCOPE_API_KEY), base_urlhttps://dashscope.aliyuncs.com/compatible-mode/v1, # 填写DashScope服务的base_url ) completion client.chat.completions.create( modelqwen-plus, # 此处以qwen-plus为例可按需更换模型名称。模型列表https://help.aliyun.com/zh/model-studio/getting-started/models messages[ {role: system, content: You are a helpful assistant.}, {role: user, content: 中国队在巴黎奥运会获得了多少枚金牌}], extra_body{ enable_search: True } ) print(completion.model_dump_json())json格式话输出https://help.aliyun.com/zh/model-studio/json-mode# 步骤 1发出请求 from openai import OpenAI import os import json # 预定义示例响应用于few-shot提示 example1_response json.dumps( { info: {name: 张三, age: 25岁, email: zhangsanexample.com}, hobby: [唱歌] }, ensure_asciiFalse ) example2_response json.dumps( { info: {name: 李四, age: 30岁, email: lisiexample.com}, hobby: [跳舞, 游泳] }, ensure_asciiFalse ) example3_response json.dumps( { info: {name: 王五, age: 40岁, email: wangwuexample.com}, hobby: [Rap, 篮球] }, ensure_asciiFalse ) client OpenAI( api_keyos.getenv(DASHSCOPE_API_KEY), base_urlhttps://dashscope.aliyuncs.com/compatible-mode/v1, ) completion client.chat.completions.create( modelqwen-plus, messages[ { role: system, content: f提取name、age、email和hobby数组类型输出包含info层和hobby数组的JSON。 示例 Q我叫张三今年25岁邮箱是zhangsanexample.com爱好是唱歌 A{example1_response} Q我叫李四今年30岁邮箱是lisiexample.com平时喜欢跳舞和游泳 A{example2_response} Q我的邮箱是wangwuexample.com今年40岁名字是王五会Rap和打篮球 A{example3_response} }, { role: user, content: 大家好我叫刘五今年34岁邮箱是liuwuexample.com平时喜欢打篮球和旅游, }, ], response_format{type: json_object}, ) json_string completion.choices[0].message.content print(json_string)联网和格式化出处合并一起### json格式化输出 # 步骤 1发出请求 from openai import OpenAI import os import json # 预定义示例响应用于few-shot提示 example1_response json.dumps( { info: **基础信息** * **地理位置**酒店坐落于广州市海珠区核心地段地处琶洲会展商圈C位交通极为便利。步行约3分钟即可到达磨碟沙地铁站8/18号线双轨交汇轻松畅达广交会展馆、广州塔及琶洲数字经济区。距离白云机场和广州南站均在45分钟高效车程内酒店还提供专属接送服务。 * **设施与服务** * **客房体验**全屋配备美国席梦思黑标认证床垫有效提升脊椎支撑力搭配80支长绒棉裸睡级床品及三重助眠香氛系统为您打造沉浸式睡眠革命。 * **智能科技**全屋支持声控管家可联动灯光、窗帘进行智能调节实现无接触服务。酒店配备送餐机器人3分钟内极速响应您的需求。 * **休闲娱乐**拥有恒温泳池、24小时免费健身室、瑜伽课程及自助餐厅满足您运动与放松的需求。 * **其他便利**提供免费公共停车场、专车接机/送机及接站/送站服务方便您的出行。 * **服务质量**酒店以“都市轻奢新主场”为理念致力于提供高效美学的服务体验。前台服务周到能及时响应客人的各类需求尤其在台风等特殊天气下工作人员坚守岗位获得住客高度评价。 * **卫生与清洁**酒店实行严格的卫生标准荣获“卫生优选”认证确保环境整洁舒适。 * **早餐优势**酒店提供高品质的自助早餐让您的旅程从一份美味开始。 **温馨提示** * 酒店临近广州塔夜晚的动人夜景非常值得欣赏建议您不妨在房间或酒店公共区域驻足片刻感受这座城市的璀璨魅力。 * 作为广交会核心区的智能酒店周边商业与餐饮选择丰富您可便捷地探索当地特色美食。, summary: 交通方便设施齐全服务优质 }, ensure_asciiFalse ) example2_response json.dumps( { info: **基础信息** * **地理位置** 酒店位于上海市松江区新桥明兴路628号地处新桥镇核心区域毗邻长三角G60科创走廊、上海莘庄工业园及G60沪昆高速口交通十分便利。 * **设施与服务** 酒店拥有豪华舒适的客房房间设计时尚明亮。配备齐全的设施包括免费高速Wi-Fi。酒店设有大宴会厅层高8米面积750平米可容纳400人和4间多功能会议室是举办大型活动、浪漫婚礼或商务会议的理想选择。此外酒店还提供热情周到的服务致力于为宾客创造温馨愉悦的体验。 * **卫生与环境** 房间卫生整洁、干净环境幽静为您营造一个放松休憩的舒适空间。 * **早餐优势** 酒店提供丰盛美味的早餐让您的每一天从能量满满开始。 **温馨提示** * 入住时间为14:00后退房时间为12:00前。 * 根据上海市相关规定为践行可持续发展酒店不主动提供一次性日用品如牙刷、梳子等。如需请向前台咨询。 * 入住办理人需年满18岁。 * 为保障您的权益建议在入住当天18:00前取消预订可享受免费取消服务。, summary: 环境整体不错周边交通便利 }, ensure_asciiFalse ) client OpenAI( # 若没有配置环境变量请用百炼API Key将下行替换为api_keysk-xxx, # api_keyos.getenv(DASHSCOPE_API_KEY), base_urlhttps://dashscope.aliyuncs.com/compatible-mode/v1, # 填写DashScope服务的base_url api_keysk ) completion client.chat.completions.create( modelqwen-flash, messages[ { role: system, content: f你是一个天翼出行PLUS的专业酒店客服根据具体酒店搜索结果回答用户问题回答要求基础信息info地理位置、设施、服务质量、卫生、早餐相关优势、温馨提示;以及info信息总结10个字核心优势summary输出包含info层和summary层的JSON。避免回复负面信息和问题不相关以及竞争公司携程、去哪儿、飞猪等信息。 示例 Q亿柏酒店琶洲会展中心广州塔店;酒店坐落于广州市海珠区核心地段**** A{example1_response} Q上海新桥绿地铂骊酒店位于上海市松江区新桥明兴路628号地处新桥镇核心区域拥有豪华舒适的客房房间设计时尚明亮酒店提供丰盛美味的早餐**** A{example2_response} }, { role: user, content: 上海外滩雅致酒店, }, ], response_format{type: json_object}, extra_body{ enable_search: True, search_options: { forced_search: True, search_strategy: turbo, }, }, # streamTrue, ) json_string completion.choices[0].message.content print(json_string)或提示json字典格式输出{ role: system, content:你是天翼出行PLUS的专业酒店客服助手。 请根据酒店搜索结果以JSON格式简洁明了回答用户问题。 输出格式要求 { info: { 地理位置: 详细的位置描述包括交通便利性, 设施与体验: 酒店设施、房间配置、娱乐体验等, 服务质量: 服务水平、员工态度、响应速度等, 卫生与清洁: 清洁标准、消毒措施、环境卫生等, 口碑评价: 客户满意度、推荐理由、特色亮点, 温馨提示: 入住须知、优惠信息、预订建议 }, summary: 10字以内总结酒店核心优势 } 回答准则 1. 基于真实搜索结果客观准确 2. 突出正面信息和优势特色 3. 避免提及竞对平台携程、去哪儿、飞猪等 4. 语言专业友好符合客服标准 5. 确保JSON格式完整有效 }, { role: user, content: 广州天河希尔顿酒店 }2、deepseekanthropic接口格式可以调用curl.exe-s-w\nHTTP %{http_code}\nhttps://api.deepseek.com/anthropic/v1/messages-Hx-api-key: sk-0****-Hcontent-type: application/json-d{\model\:\deepseek-flash\,\max_tokens\:256,\messages\:[{\role\:\user\,\content\:[{\type\:\text\,\text\:\Perform a web search for the query: 广州科学城美食\}]}],\tools\:[{\type\:\web_search_20250305\,\name\:\web_search\,\max_uses\:3}]}
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/6 6:37:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/6 0:32:51

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/6 1:10:54

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/6 17:25:36

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/6 14:29:05

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/6 14:29:07

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉