阿里 AI 收入占比破三成：从财报数字看开发者侧的真实变化

pip install dashscope

import dashscope
from dashscope import Generation

# 将你的 API Key 设置为环境变量 DASHSCOPE_API_KEY，
# 或直接传入：dashscope.api_key = "sk-xxxxxxxx"
# 控制台地址：https://dashscope.console.aliyun.com/

def call_qwen_with_json_output():
    """调用通义千问，要求返回 JSON 结构化结果"""
    response = Generation.call(
        model="qwen-plus",  # 性价比最高的模型，适合大多数业务场景
        messages=[
            {
                "role": "system",
                "content": "你是一个电商商品分析助手。始终以 JSON 格式回复，不要添加任何额外文字。"
            },
            {
                "role": "user",
                "content": "分析以下商品评价的情感倾向，提取关键词：'电池续航不错，但屏幕在阳光下看不清，整体还行吧'"
            }
        ],
        result_format="message",  # 使用 message 格式，更易解析
        temperature=0.1,           # 低温度，输出更稳定、更适合结构化任务
    )

    if response.status_code == 200:
        content = response.output.choices[0].message.content
        print("模型原始输出：")
        print(content)
        print("\n--- 尝试解析为 JSON ---")
        import json
        try:
            # 模型可能返回带 markdown 代码块的 JSON，做简单清洗
            cleaned = content.strip()
            if cleaned.startswith("```"):
                cleaned = cleaned.split("\n", 1)[1].rsplit("```", 1)[0].strip()
            parsed = json.loads(cleaned)
            print(json.dumps(parsed, indent=2, ensure_ascii=False))
        except json.JSONDecodeError as e:
            print(f"JSON 解析失败: {e}")
            print("建议：降低 temperature 或在 prompt 中更强调 JSON 格式")
    else:
        print(f"调用失败: {response.code} - {response.message}")

call_qwen_with_json_output()