Alibaba Cloud Model Studio:Deep Research (Qwen-Deep-Research)

import os
import dashscope

# API キーを設定します
# 環境変数が設定されていない場合は、次の行を Model Studio API キーに置き換えてください: API_KEY = "sk-xxx"
API_KEY = os.getenv('DASHSCOPE_API_KEY')

def call_deep_research_model(messages, step_name):
    print(f"\n=== {step_name} ===")
    
    try:
        responses = dashscope.Generation.call(
            api_key=API_KEY,
            model="qwen-deep-research",
            messages=messages,
            # qwen-deep-research モデルは現在、ストリーミング出力のみをサポートしています
            stream=True
            # incremental_output=True 増分出力を有効にするには、このパラメーターを追加します
        )
        
        return process_responses(responses, step_name)
        
    except Exception as e:
        print(f"API の呼び出し中にエラーが発生しました: {e}")
        return ""


# フェーズの内容を表示します
def display_phase_content(phase, content, status):
    if content:
        print(f"\n[{phase}] {status}: {content}")
    else:
        print(f"\n[{phase}] {status}")

# 応答を処理します
def process_responses(responses, step_name):
    current_phase = None
    phase_content = ""
    research_goal = ""
    web_sites = []
    references = []
    keepalive_shown = False  # KeepAlive プロンプトが表示されたかどうかを確認するフラグ

    for response in responses:
        # 応答のステータスコードを確認します
        if hasattr(response, 'status_code') and response.status_code != 200:
            print(f"HTTP リターンコード: {response.status_code}")
            if hasattr(response, 'code'):
                print(f"エラーコード: {response.code}")
            if hasattr(response, 'message'):
                print(f"エラーメッセージ: {response.message}")
            print("詳細については、以下をご参照ください: https://www.alibabacloud.com/help/zh/model-studio/error-code")
            continue

        if hasattr(response, 'output') and response.output:
            message = response.output.get('message', {})
            phase = message.get('phase')
            content = message.get('content', '')
            status = message.get('status')
            extra = message.get('extra', {})

            # フェーズの変更を検出します
            if phase != current_phase:
                if current_phase and phase_content:
                    # フェーズとステップ名に基づいて異なる完了説明を表示します
                    if step_name == "Step 1: Model query confirmation" and current_phase == "answer":
                        print(f"\n クエリ確認フェーズが完了しました")
                    else:
                        print(f"\n {current_phase} フェーズが完了しました")
                current_phase = phase
                phase_content = ""
                keepalive_shown = False  # KeepAlive プロンプトフラグをリセットします

                # フェーズとステップ名に基づいて異なる説明を表示します
                if step_name == "Step 1: Model query confirmation" and phase == "answer":
                    print(f"\n クエリ確認フェーズに入ります")
                else:
                    print(f"\n {phase} フェーズに入ります")
                    
            # Answer フェーズでリファレンス情報を処理します
            if phase == "answer":
                if extra.get('deep_research', {}).get('references'):
                    new_references = extra['deep_research']['references']
                    if new_references and new_references != references:  # 重複表示を回避します
                        references = new_references
                        print(f"\n   リファレンス ({len(references)}):")
                        for i, ref in enumerate(references, 1):
                            print(f"     {i}. {ref.get('title', 'タイトルなし')}")
                            if ref.get('url'):
                                print(f"        URL: {ref['url']}")
                            if ref.get('description'):
                                print(f"        説明: {ref['description'][:100]}...")
                            print()

            # WebResearch フェーズで特別な情報を処理します
            # 注: qwen-deep-research-2025-12-15 モデルでは、streamingThinking ステータスが使用され、
            # streamingQueries および streamingWebResult の代わりに使用されます
            if phase == "WebResearch":
                if extra.get('deep_research', {}).get('research'):
                    research_info = extra['deep_research']['research']

                    # streamingThinking (スナップショットモデル) または streamingQueries (メインラインモデル) ステータスを処理します
                    if status in ("streamingThinking", "streamingQueries"):
                        if 'researchGoal' in research_info:
                            goal = research_info['researchGoal']
                            if goal:
                                research_goal += goal
                                print(f"\n   研究目標: {goal}", end='', flush=True)

                    # streamingWebResult ステータス (メインラインモデル) を処理します
                    # スナップショットモデルでは、このステータスは streamingThinking を使用して統合されます
                    elif status == "streamingWebResult":
                        if 'webSites' in research_info:
                            sites = research_info['webSites']
                            if sites and sites != web_sites:  # 重複表示を回避します
                                web_sites = sites
                                print(f"\n   関連するウェブサイト {len(sites)} 件が見つかりました:")
                                for i, site in enumerate(sites, 1):
                                    print(f"     {i}. {site.get('title', 'タイトルなし')}")
                                    print(f"        説明: {site.get('description', '説明なし')[:100]}...")
                                    print(f"        URL: {site.get('url', 'リンクなし')}")
                                    if site.get('favicon'):
                                        print(f"        ファビコン: {site['favicon']}")
                                    print()

                    # WebResultFinished ステータスを処理します
                    elif status == "WebResultFinished":
                        print(f"\n   ウェブ検索が完了しました。{len(web_sites)} 件のリファレンスソースが見つかりました。")
                        if research_goal:
                            print(f"   研究目標: {research_goal}")

            # コンテンツを蓄積して表示します
            if content:
                phase_content += content
                # コンテンツをリアルタイムで表示します
                print(content, end='', flush=True)

            # フェーズのステータス変更を表示します
            if status and status != "typing":
                print(f"\n   ステータス: {status}")

                # ステータスの説明を表示します
                if status == "streamingThinking":
                    print("   → 研究タスクの分解およびウェブコンテンツの要約 (WebResearch フェーズ)")
                elif status == "streamingQueries":
                    print("   → 研究目標および検索クエリの生成 (WebResearch フェーズ)")
                elif status == "streamingWebResult":
                    print("   → 検索の実行、ウェブページの読み取り、およびコード実行 (WebResearch フェーズ)")
                elif status == "WebResultFinished":
                    print("   → ウェブ検索フェーズの完了 (WebResearch フェーズ)")

            # ステータスが finished の場合、トークン使用量を表示します
            if status == "finished":
                if hasattr(response, 'usage') and response.usage:
                    usage = response.usage
                    print(f"\n    トークン使用量の統計:")
                    print(f"      入力トークン: {usage.get('input_tokens', 0)}")
                    print(f"      出力トークン: {usage.get('output_tokens', 0)}")
                    print(f"      リクエスト ID: {response.get('request_id', '不明')}")

            if phase == "KeepAlive":
                # KeepAlive フェーズに初めて入ったときのみプロンプトを表示します
                if not keepalive_shown:
                    print("現在のステップが完了しました。次のステップの準備をしています。")
                    keepalive_shown = True
                continue

    if current_phase and phase_content:
        if step_name == "Step 1: Model query confirmation" and current_phase == "answer":
            print(f"\n クエリ確認フェーズが完了しました")
        else:
            print(f"\n {current_phase} フェーズが完了しました")

    return phase_content

def main():
    # API キーを確認します
    if not API_KEY:
        print("エラー: DASHSCOPE_API_KEY 環境変数が設定されていません")
        print("環境変数を設定するか、コード内の API_KEY 変数を直接修正してください")
        return
    
    print("ユーザーが会話を開始しました: 人工知能の教育への応用を調査する")
    
    # ステップ 1: モデルクエリの確認
    # モデルはユーザーの質問を分析し、調査方向を定義するために明確化の質問を行います
    messages = [{'role': 'user', 'content': '人工知能の教育への応用を調査する'}]
    step1_content = call_deep_research_model(messages, "Step 1: Model query confirmation")

    # ステップ 2: 深層調査
    # ステップ 1 のクエリ確認に基づき、モデルは完全な調査プロセスを実行します
    messages = [
        {'role': 'user', 'content': '人工知能の教育への応用を調査する'},
        {'role': 'assistant', 'content': step1_content},  # モデルのクエリ確認コンテンツを含みます
        {'role': 'user', 'content': '主にパーソナライズされた学習とインテリジェントな評価に焦点を当てます'}
    ]
    
    call_deep_research_model(messages, "Step 2: Deep research")
    print("\n 調査が完了しました！")

if __name__ == "__main__":
    main()

echo "Step 1: Model query confirmation"
curl --location 'https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation' \
--header 'X-DashScope-SSE: enable' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "input": {
        "messages": [
            {
                "content": "Research the application of artificial intelligence in education", 
                "role": "user"
            }
        ]
    },
    "model": "qwen-deep-research"
}'

echo -e "\n\n" 
echo "Step 2: Deep research"
curl --location 'https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation' \
--header 'X-DashScope-SSE: enable' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "input": {
        "messages": [
            {
                "content": "Research the application of artificial intelligence in education", 
                "role": "user"
            },
            {
                "content": "Tell me which specific application scenarios of artificial intelligence in education you want to focus on?", 
                "role": "assistant"
            },
            {
                "content": "I mainly focus on personalized learning", 
                "role": "user"
            }
        ]
    },
    "model": "qwen-deep-research"
}'

import os
import dashscope

API_KEY = os.getenv('DASHSCOPE_API_KEY')

messages = [
    {
        "role": "user",
        "content": [
            {"image": "https://example.aliyuncs.com/example.png"},
            {"text": "Analyze the data trends in this chart and conduct in-depth research on key findings"}
        ]
    }
]

responses = dashscope.Generation.call(
    api_key=API_KEY,
    model="qwen-deep-research",
    messages=messages,
    stream=True
)

for response in responses:
    if hasattr(response, 'output') and response.output:
        message = response.output.get('message', {})
        content = message.get('content', '')
        if content:
            print(content, end='', flush=True)

curl --location 'https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation' \
--header 'X-DashScope-SSE: enable' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "input": {
        "messages": [
            {
                "content": [
                    {"image": "https://example.aliyuncs.com/example.png"},
                    {"text": "Analyze the data trends in this chart and conduct in-depth research on key findings"}
                ],
                "role": "user"
            }
        ]
    },
    "model": "qwen-deep-research"
}'