Alibaba Cloud Model Studio:詳細調査 (Qwen-Deep-Research)

import os
import dashscope

# API キーを設定
# 環境変数を設定していない場合は、次の行を Model Studio の 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
            # 増分出力を使用するには、incremental_output=True 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 呼び出し時にエラーが発生しました：{e}")
        return ""


# フェーズの内容を表示
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
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ためのフラグ

    for response in responses:
        # 応答のステータスコードを確認
        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、https://www.alibabacloud.com/help/model-studio/error-code をご参照ください")
            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
            if phase != current_phase:
                if current_phase and phase_content:
                    # フェーズ名とステップ名に基づいて異なる完了説明を表示
                    if step_name == "Step 1: Model follow-up question for confirmation" and current_phase == "answer":
                        print(f"\n モデルのフォローアップ質問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

                # フェーズ名とステップ名に基づいて異なる説明を表示
                if step_name == "Step 1: Model follow-up question for confirmation" and phase == "answer":
                    print(f"\n モデルのフォローアップ質問フェーズに入ります")
                else:
                    print(f"\n {phase} フェーズに入ります")
                    
            # Answer フェーズのリファレンス情報を処理
            if phase == "answer":
                if extra.get('deep_research', {}).get('references'):
                    new_references = extra['deep_research']['references']
                    if new_references and new_references != references:  # 重複表示を避ける
                        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', 'No title')}")
                            if ref.get('url'):
                                print(f"        URL: {ref['url']}")
                            if ref.get('description'):
                                print(f"        説明：{ref['description'][:100]}...")
                            print()

            # WebResearch フェーズの特別情報を処理
            if phase == "WebResearch":
                if extra.get('deep_research', {}).get('research'):
                    research_info = extra['deep_research']['research']

                    # streamingQueries ステータスを処理
                    if status == "streamingQueries":
                        if 'researchGoal' in research_info:
                            goal = research_info['researchGoal']
                            if goal:
                                research_goal += goal
                                print(f"\n   調査目標：{goal}", end='', flush=True)

                    # streamingWebResult ステータスを処理
                    elif status == "streamingWebResult":
                        if 'webSites' in research_info:
                            sites = research_info['webSites']
                            if sites and sites != web_sites:  # 重複表示を避ける
                                web_sites = sites
                                print(f"\n   {len(sites)} 件の関連ウェブサイトが見つかりました：")
                                for i, site in enumerate(sites, 1):
                                    print(f"     {i}. {site.get('title', 'No title')}")
                                    print(f"        説明：{site.get('description', 'No description')[:100]}...")
                                    print(f"        URL: {site.get('url', 'No link')}")
                                    if site.get('favicon'):
                                        print(f"        アイコン：{site['favicon']}")
                                    print()

                    # WebResultFinished ステータスを処理
                    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"   調査目標：{research_goal}")

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

            # フェーズのステータス変更を表示
            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
                if status == "streamingQueries":
                    print("   → 調査目標と検索クエリを生成中 (WebResearch フェーズ)")
                elif status == "streamingWebResult":
                    print("   → 検索、ウェブページの読み取り、コードの実行を実行中 (WebResearch フェーズ)")
                elif status == "WebResultFinished":
                    print("   → ウェブ検索フェーズが完了 (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
            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', 'Unknown')}")

            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
                if not keepalive_shown:
                    print("現在のステップは完了しました。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 follow-up question for confirmation" and current_phase == "answer":
            print(f"\n モデルのフォローアップ質問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
    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 変数を直接変更してください。")
        return
    
    print("ユーザーが会話を開始：教育における人工知能の応用を調査")
    
    # ステップ 1：確認のためのモデルのフォローアップ質問
    # モデルはユーザーの質問を分析し、調査の方向性を明確にするためにフォローアップの質問をします。
    messages = [{'role': 'user', 'content': '教育における人工知能の応用を調査'}]
    step1_content = call_deep_research_model(messages, "Step 1: Model follow-up question for confirmation")

    # ステップ 2：詳細調査
    # ステップ 1 のフォローアップ質問の内容に基づいて、モデルは完全な調査プロセスを実行します。
    messages = [
        {'role': 'user', 'content': '教育における人工知能の応用を調査'},
        {'role': 'assistant', 'content': step1_content},  # モデルのフォローアップ質問を含む
        {'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評価に関心があります。'}
    ]
    
    call_deep_research_model(messages, "Step 2: Deep research")
    print("\n 調査完了！")

if __name__ == "__main__":
    main()

echo "Step 1: Model follow-up question for 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 applications 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 applications of artificial intelligence in education", 
                "role": "user"
            },
            {
                "content": "Which specific application scenarios of artificial intelligence in education would you like to focus on?", 
                "role": "assistant"
            },
            {
                "content": "I am mainly interested in personalized learning.", 
                "role": "user"
            }
        ]
    },
    "model": "qwen-deep-research"
}'