aisapi/lib/example-qwen.js

A JavaScript/TypeScript API library for multiple AI providers

"use strict";
/**
 * 阿里巴巴千问(Qwen)API使用示例
 *
 * 此示例展示如何使用阿里巴巴千问API进行文本生成、聊天和JSON生成。
 *
 * 运行此示例前，请确保设置环境变量:
 * QWEN_API_KEY=your_qwen_api_key
 */
var __awaiter = (this && this.__awaiter) || function (thisArg, _arguments, P, generator) {
    function adopt(value) { return value instanceof P ? value : new P(function (resolve) { resolve(value); }); }
    return new (P || (P = Promise))(function (resolve, reject) {
        function fulfilled(value) { try { step(generator.next(value)); } catch (e) { reject(e); } }
        function rejected(value) { try { step(generator["throw"](value)); } catch (e) { reject(e); } }
        function step(result) { result.done ? resolve(result.value) : adopt(result.value).then(fulfilled, rejected); }
        step((generator = generator.apply(thisArg, _arguments || [])).next());
    });
};
Object.defineProperty(exports, "__esModule", { value: true });
const qwen_1 = require("./providers/qwen");
function main() {
    return __awaiter(this, void 0, void 0, function* () {
        // 创建千问API提供商实例
        const qwen = new qwen_1.QwenProvider({
            apiKey: process.env.QWEN_API_KEY,
            model: qwen_1.QwenModel.TURBO // 默认使用qwen-turbo模型
        });
        try {
            // 示例1: 基本文本生成
            console.log('=== 基本文本生成 ===');
            const response1 = yield qwen.generateText({
                prompt: '简要介绍一下阿里巴巴千问AI大模型的特点和应用场景',
                maxTokens: 300,
                temperature: 0.7
            });
            console.log(response1.text);
            console.log('\n');
            // 示例2: 使用系统消息设置角色
            console.log('=== 带系统消息的文本生成 ===');
            const response2 = yield qwen.generateText({
                prompt: '中国传统节日有哪些？请简要介绍',
                systemMessage: '你是一位中国文化专家，请用生动的语言介绍中国文化，使用简体中文回答。',
                maxTokens: 300,
                temperature: 0.7
            });
            console.log(response2.text);
            console.log('\n');
            // 示例3: 聊天对话
            console.log('=== 聊天对话 ===');
            const chatResponse = yield qwen.chatCompletion({
                model: qwen_1.QwenModel.PLUS, // 使用更强大的qwen-plus模型
                messages: [
                    { role: 'system', content: '你是阿里巴巴千问AI助手，请提供专业、准确的信息。' },
                    { role: 'user', content: '什么是向量数据库？它和传统数据库有什么区别？' },
                    { role: 'assistant', content: '向量数据库是专门设计用来存储和检索向量embeddings的数据库系统。' },
                    { role: 'user', content: '它们在AI应用中有什么具体用途？' }
                ],
                temperature: 0.5
            });
            console.log(chatResponse.text);
            console.log('\n');
            // 示例4: 切换API模式
            console.log('=== 切换到DashScope原生API模式 ===');
            qwen.setApiMode(qwen_1.QwenApiMode.DASH_SCOPE);
            const response3 = yield qwen.generateText({
                prompt: '写一首关于人工智能的现代诗',
                maxTokens: 200,
                temperature: 0.8
            });
            console.log(response3.text);
            console.log('\n');
            // 示例5: 生成JSON格式响应
            console.log('=== 生成JSON格式响应 ===');
            // 切换回OpenAI兼容模式
            qwen.setApiMode(qwen_1.QwenApiMode.OPENAI_COMPATIBLE);
            const jsonResponse = yield qwen.generateJSON({
                prompt: '列出中国五大科技公司及其主要业务领域，以JSON格式返回，格式为数组对象，每个对象包含name和business_areas字段',
                temperature: 0.2,
                model: qwen_1.QwenModel.MAX // 使用最强大的模型
            });
            console.log(JSON.stringify(jsonResponse, null, 2));
            console.log('\n');
            // 示例6: 使用流式输出
            console.log('=== 流式输出示例 ===');
            console.log('开始流式生成...\n');
            const stream = yield qwen.createStreamingChatCompletion({
                messages: [
                    { role: 'user', content: '写一篇简短的科幻小说，主题是"AI与人类的共存"' }
                ],
                model: qwen_1.QwenModel.TURBO,
                temperature: 0.7,
                maxTokens: 500
            });
            // 注意: 下面的代码在浏览器环境中可能需要调整
            const reader = stream.getReader();
            let streamOutput = '';
            while (true) {
                const { value, done } = yield reader.read();
                if (done)
                    break;
                try {
                    // 处理流式响应
                    const chunk = new TextDecoder().decode(value);
                    process.stdout.write(chunk);
                    streamOutput += chunk;
                }
                catch (e) {
                    console.error('解析流响应错误:', e);
                }
            }
            console.log('\n\n流式输出完成\n');
        }
        catch (error) {
            console.error('发生错误:', error);
        }
    });
}
// 执行主函数
main().catch(console.error);
//# sourceMappingURL=example-qwen.js.map