ModelScope（首页 | GitHub）构建于“模型即服务”（MaaS）的概念之上。它致力于汇聚人工智能社区中最先进的机器学习模型，并简化在现实应用中利用 AI 模型的过程。本仓库开源的核心 ModelScope 库提供了接口和实现，使开发者能够执行模型推理、训练和评估。

这将帮助您开始使用 ModelScope Chat Endpoint。

概述

集成详情

设置

要访问 ModelScope 聊天端点，您需要创建一个 ModelScope 账户，获取 SDK 令牌，并安装 langchain-modelscope-integration 集成包。

凭据

前往 ModelScope 注册 ModelScope 并生成 SDK 令牌。完成后设置 MODELSCOPE_SDK_TOKEN 环境变量：

if not os.getenv("MODELSCOPE_SDK_TOKEN"):
    os.environ["MODELSCOPE_SDK_TOKEN"] = getpass.getpass(
        "Enter your ModelScope SDK token: "
    )

安装

LangChain ModelScope 集成位于 langchain-modelscope-integration package:

pip install -qU langchain-modelscope-integration

实例化

现在我们可以实例化模型对象并生成聊天补全：

from langchain_modelscope import ModelScopeChatEndpoint

llm = ModelScopeChatEndpoint(
    model="Qwen/Qwen2.5-Coder-32B-Instruct",
    temperature=0,
    max_tokens=1024,
    timeout=60,
    max_retries=2,
    # other params...
)

调用

messages = [
    (
        "system",
        "You are a helpful assistant that translates English to Chinese. Translate the user sentence.",
    ),
    ("human", "I love programming."),
]
ai_msg = llm.invoke(messages)
ai_msg

AIMessage(content='我喜欢编程。', additional_kwargs={'refusal': None}, response_metadata={'token_usage': {'completion_tokens': 3, 'prompt_tokens': 33, 'total_tokens': 36, 'completion_tokens_details': None, 'prompt_tokens_details': None}, 'model_name': 'qwen2.5-coder-32b-instruct', 'system_fingerprint': None, 'finish_reason': 'stop', 'logprobs': None}, id='run-60bb3461-60ae-4c0b-8997-ab55ef77fcd6-0', usage_metadata={'input_tokens': 33, 'output_tokens': 3, 'total_tokens': 36, 'input_token_details': {}, 'output_token_details': {}})

print(ai_msg.content)

我喜欢编程。

API 参考

有关所有 ModelScopeChatEndpoint 功能和配置的详细文档，请参阅参考： modelscope.cn/docs/model-service/API-Inference/intro