<!-- https://mvnrepository.com/artifact/com.alibaba/dashscope-sdk-java -->
<dependency>
    <groupId>com.alibaba</groupId>
    <artifactId>dashscope-sdk-java</artifactId>
    <version>2.19.1</version>
</dependency>

public interface TestApiKey {
    // 請將下方的 "sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxx" 替換為您的真實有效 API Key
    String API_KEY = "sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"; 
}

// 建議 DashScope SDK 版本 >= 2.12.0
// 導入所需的Java標準庫類
import java.util.Arrays;
import java.lang.System;

// 導入阿里云靈積 DashScope SDK 相關類
import com.alibaba.dashscope.aigc.generation.Generation;
import com.alibaba.dashscope.aigc.generation.GenerationParam;
import com.alibaba.dashscope.aigc.generation.GenerationResult;
import com.alibaba.dashscope.common.Message;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.InputRequiredException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.utils.JsonUtils;

/**
 * 阿里云靈積 AI SDK 調用示例。
 * <p>
 * 本類演示了如何使用 DashScope SDK 調用阿里云靈積大模型進行對話，
 * 包括消息構建、參數設置、API 調用及異常處理。
 */
public class SdkAiInvoke {
    /**
     * 調用阿里云靈積大模型生成接口，傳入對話消息，并返回生成結果。
     *
     * @return GenerationResult 生成結果對象，包含模型回復等信息。
     * @throws ApiException           API 調用異常。
     * @throws NoApiKeyException      未配置 API Key 異常。
     * @throws InputRequiredException 輸入參數缺失異常。
     */
    public static GenerationResult callWithMessage() throws ApiException, NoApiKeyException, InputRequiredException {
        // 創建 Generation 實例，用于發起生成請求
        Generation gen = new Generation();

        // 構建系統消息，設定 AI 助手的角色和行為
        // Role.SYSTEM 代表系統角色，用于設定 AI 的行為或身份。
        // content 字段為系統提示內容，用以指導 AI 如何回復。
        Message systemMsg = Message.builder()
                .role(Role.SYSTEM.getValue())
                .content("You are a helpful assistant.")
                .build();

        // 構建用戶消息，模擬用戶輸入
        // Role.USER 代表用戶角色，content 字段為用戶輸入內容。
        Message userMsg = Message.builder()
                .role(Role.USER.getValue())
                .content("你是誰？")
                .build();

        // 構建生成參數，包括 API Key、模型名稱、消息列表、返回格式等
        // GenerationParam 用于封裝所有請求參數。
        GenerationParam param = GenerationParam.builder()
                // 設置 API Key。TestApiKey.API_KEY 從接口獲取。
                // 生產環境建議通過環境變量配置，或直接使用 .apiKey("sk-您的真實APIKey") 替換此行。
                .apiKey(TestApiKey.API_KEY) 
                // 此處以qwen-plus為例，可按需更換模型名稱。模型列表：https://help.aliyun.com/zh/model-studio/getting-started/models
                .model("qwen-plus")
                // .messages() 傳入對話消息列表，通常順序為系統消息、用戶消息。
                .messages(Arrays.asList(systemMsg, userMsg))
                // .resultFormat() 設置返回結果的格式為消息格式。
                .resultFormat(GenerationParam.ResultFormat.MESSAGE)
                .build();

        // 調用生成接口，獲取模型回復
        // gen.call(param) 方法向阿里云靈積大模型服務發起請求。
        // 返回 GenerationResult 對象，其中包含模型回復、Token 用量等信息。
        return gen.call(param);
    }

    /**
     * 主方法，程序入口。
     *
     * @param args 命令行參數
     */
    public static void main(String[] args) {
        try {
            // 調用 callWithMessage() 方法，獲取 AI 回復結果。
            // GenerationResult 對象中包含了模型回復內容、Token 用量等詳細信息。
            GenerationResult result = callWithMessage();

            // 將結果對象轉為 JSON 字符串并打印
            // JsonUtils.toJson(result) 方法將 Java 對象序列化為 JSON 字符串，方便查看完整的響應結構。
            System.out.println(JsonUtils.toJson(result));

            // 示例輸出結構如下（已注釋）：
            // {
            //     "requestId": "...", // 請求唯一標識
            //     "usage": {
            //         "input_tokens": ..., // 輸入token數
            //         "output_tokens": ..., // 輸出token數
            //         "total_tokens": ...  // 總token數
            //     },
            //     "output": {
            //         "choices": [
            //             {
            //                 "finish_reason": "stop", // 結束原因
            //                 "message": {
            //                     "role": "assistant", // 回復角色
            //                     "content": "..."      // AI回復內容
            //                 }
            //             }
            //         ]
            //     }
            // }
        } catch (ApiException | NoApiKeyException | InputRequiredException e) {
            // 捕獲并處理調用生成服務時可能發生的異常。
            // ApiException：API 調用異常，可能由網絡問題、服務端錯誤等引起。
            // NoApiKeyException：未配置 API Key 時拋出的異常。
            // InputRequiredException：必要輸入參數缺失時拋出的異常。
            // 此處直接打印到標準錯誤輸出。在實際項目中，建議使用日志框架記錄異常，以便追蹤和排查問題。
            System.err.println("調用生成服務時發生錯誤: " + e.getMessage());
        }
        // 程序執行完畢，正常退出。
        System.exit(0);
    }
}

將上述請求轉換為 Hutool 工具類的請求代碼

import cn.hutool.http.HttpRequest;
import cn.hutool.http.HttpResponse;
import cn.hutool.json.JSONObject;

import java.util.HashMap;
import java.util.Map;

/**
 * 本類演示了如何通過 HTTP 請求調用阿里云通義千問大模型接口進行文本生成，
 * 并使用 Hutool 工具庫簡化 HTTP 請求和 JSON 構建。
 */
public class HttpAiInvoke {
    public static void main(String[] args) {
        // 定義接口請求的 URL，替換為實際的 API 地址
        String url = "https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation";

        // 創建請求頭的 Map，用于存放 HTTP 請求頭信息
        Map<String, String> headers = new HashMap<>();
        // 設置 Authorization 頭，使用 Bearer 方式攜帶 API 密鑰
        headers.put("Authorization", "Bearer " + TestApiKey.API_KEY);
        // 設置 Content-Type 頭，指定請求體為 JSON 格式
        headers.put("Content-Type", "application/json");

        // 構建請求體的 JSON 對象
        JSONObject requestBody = new JSONObject();
        // 指定使用的模型名稱
        requestBody.put("model", "qwen-plus");

        // 創建 input 字段的 JSON 對象
        JSONObject input = new JSONObject();
        // 創建消息數組，包含 system 和 user 兩種角色的消息
        JSONObject[] messages = new JSONObject[2];

        // 構建 system 消息，指定 AI 助手的身份和行為
        JSONObject systemMessage = new JSONObject();
        systemMessage.put("role", "system");
        systemMessage.put("content", "You are a helpful assistant.");
        messages[0] = systemMessage;

        // 構建 user 消息，指定用戶輸入的內容
        JSONObject userMessage = new JSONObject();
        userMessage.put("role", "user");
        userMessage.put("content", "你是誰？");
        messages[1] = userMessage;

        // 將消息數組放入 input 對象
        input.put("messages", messages);
        // 將 input 對象放入請求體
        requestBody.put("input", input);

        // 構建參數對象，設置返回結果格式為 message
        JSONObject parameters = new JSONObject();
        parameters.put("result_format", "message");
        // 將參數對象放入請求體
        requestBody.put("parameters", parameters);

        // 發送 HTTP POST 請求，攜帶請求頭和請求體
        HttpResponse response = HttpRequest.post(url)
                .addHeaders(headers)
                .body(requestBody.toString())
                .execute();

        // 判斷響應是否成功
        if (response.isOk()) {
            // 請求成功時輸出響應內容
            System.out.println("請求成功，響應內容：");
            System.out.println(response.body());
        } else {
            // 請求失敗時輸出狀態碼和響應內容
            System.out.println("請求失敗，狀態碼：" + response.getStatus());
            System.out.println("響應內容：" + response.body());
        }
    }
}

<dependency>
    <groupId>com.alibaba.cloud.ai</groupId>
    <artifactId>spring-ai-alibaba-starter</artifactId>
    <version>1.0.0-M6.1</version>
</dependency>

<repositories>
  <repository>
    <id>spring-milestones</id>
    <name>Spring Milestones</name>
    <url>https://repo.spring.io/milestone</url>
    <snapshots>
      <enabled>false</enabled>
    </snapshots>
  </repository>
</repositories>

spring:
  application:
    name: spring-ai-alibaba-qwq-chat-client-example
  ai:
    dashscope:
      # 請替換為您的 API Key 或通過環境變量設置
      api-key: ${AI_DASHSCOPE_API_KEY}
      chat:
        options:
          model: qwen-plus

import jakarta.annotation.Resource;
import org.springframework.ai.chat.messages.AssistantMessage;
import org.springframework.ai.chat.model.ChatModel;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.boot.CommandLineRunner;
import org.springframework.stereotype.Component; // 確保導入 Component 注解

@Component // 將此類聲明為 Spring 組件
public class SpringAiAiInvoke implements CommandLineRunner {

    /**
     * 注入 ChatModel 實例，代表一個可用的 AI 聊天模型。
     * 通過 @Resource 注解自動裝配，bean 名稱為 dashscopeChatModel。
     */
    @Resource
    private ChatModel dashscopeChatModel;

    /**
     * 應用啟動時自動調用的方法。
     * 該方法向 AI 聊天模型發送問候語，并打印 AI 的回復。
     *
     * @param args 啟動參數
     * @throws Exception 可能拋出的異常
     */
    @Override
    public void run(String... args) throws Exception {
        // 創建一個新的 Prompt 實例，內容為“你好，我是 NEO”
         Prompt prompt = new Prompt("你好，我是 NEO");

        // 調用 dashscopeChatModel 的 call 方法，傳入 prompt，獲取 AI 回復
        AssistantMessage assistantMessage = dashscopeChatModel.call(prompt)
                .getResult() // 獲取調用結果對象
                .getOutput(); // 獲取 AI 輸出的消息對象

        // 打印 AI 助手的回復文本到控制臺
        System.out.println("Assistant Response: " + assistantMessage.getText());
    }
}

<!-- https://mvnrepository.com/artifact/dev.langchain4j/langchain4j-community-dashscope -->
<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-community-dashscope</artifactId>
    <version>1.0.0-beta2</version> <!-- 請檢查并使用最新穩定版 -->
</dependency>

import dev.langchain4j.community.model.dashscope.QwenChatModel;

public class LangChainAiInvoke {
    /**
     * 程序主入口。
     * 運行后會向 Qwen Max 模型發送消息，并輸出模型回復。
     * 
     * @param args 命令行參數（本示例未使用）
     */
    public static void main(String[] args) {
        // 創建 QwenChatModel 的構建器，用于配置模型參數
        QwenChatModel qwenChatModel = QwenChatModel.builder()
                // 設置 API Key，用于身份認證，必須替換為你自己的有效 Key
                .apiKey(TestApiKey.API_KEY) // 確保 TestApiKey.API_KEY 已正確配置
                // 指定要使用的模型名稱，這里選擇 "qwen-max"
                .modelName("qwen-max") // 可根據需求選擇其他模型，如 qwen-plus, qwen-turbo 等
                // 構建出 QwenChatModel 實例，后續可以用它與大模型對話
                .build();

        // 向 Qwen Max 發送一條消息，chat 方法會返回模型的回復內容
        String response = qwenChatModel.chat("你好，Qwen Max！請問你能幫我做什么？");

        // 將模型的回答輸出到控制臺，方便查看結果
        System.out.println("Qwen Max的回答: " + response);
    }
}