【保姆级教程：阿里云百炼 API Key 获取与 OpenAI 兼容调用指南】

前往阿里云百炼控制台首页，在页面右上角选择华北2（北京）地域，进入 API Key 页面，单击创建API Key
在弹窗中配置以下信息，并单击确定： ◦ 归属业务空间：建议选择默认业务空间。 ◦ 权限：建议选择全部，若有更精细的权限控制需求，可以选择自定义来控制使用 API Key 的 IP 白名单。
点击 API Key 旁的图标获取该 API Key。主账号可以查看全部 API Key，子账号仅能查看自己创建的 API Key。

3.使用API Key

方式一：在第三方工具中调用模型如果在 Chatbox 等工具或平台中调用模型，您可能需要输入三个信息： ◦ 本文获取的API Key ◦ API Key 所属地域的 Base URL：

■ 华北2（北京）： https://dashscope.aliyuncs.com/compatible-mode/v1

■ 新加坡： https://dashscope-intl.aliyuncs.com/compatible-mode/v1

■ 美国（弗吉尼亚）： https://dashscope-us.aliyuncs.com/compatible-mode/v1 ◦ 模型名称，如qwen-plus 常用工具配置：Chatbox、Cline、Claude Code、Dify、OpenClaw（原 Clawdbot/Moltbot）、Postman、Qwen Code。

方式二：通过代码调用模型通过代码首次调用千问API，建议配置 API Key 到环境变量，以避免硬编码在代码中导致泄露风险。请勿以任何方式公开API Key，避免因未经授权的使用导致安全风险或资金损失。

API Key时效性说明

创建的 API Key 没有失效日期，手动删除后即失效。若需为第三方应用或用户提供临时访问权限，或需严格控制敏感数据访问、删除等高风险操作，可生成临时 API Key（有效期 60 秒），避免暴露长期有效的 API Key，降低泄露风险。

三、第二步：配置 API Key，两种方法任你选

为了避免把 API Key 直接写在代码里（非常不安全！），我们推荐以下两种方式来配置它。

方法 1：配置为系统环境变量（推荐）

这种方式最安全，所有项目都能调用，且不会泄露你的 Key。

在 Windows 上，右键点击【此电脑】→【属性】→【高级系统设置】→【环境变量】。
在【系统变量】中，点击【新建】。
变量名填写：DASHSCOPE_API_KEY
变量值填写：你刚才复制的 API Key（sk-xxxxxx）。
一路点击【确定】保存。
重要：配置完成后，重启你的 IDE（如 PyCharm、VS Code），新的环境变量才会生效！

方法 2：使用本地 `.env` 文件

如果不想修改系统环境变量，可以在项目根目录创建一个.env文件。

在你的 Python 项目文件夹下，新建一个名为.env的文件。
在文件中写入：
env
```
DASHSCOPE_API_KEY=sk-xxxxxx
```

在代码中使用 python-dotenv 库来加载它：

python

运行

from dotenv import load_dotenv
import os

# 加载.env文件中的环境变量
load_dotenv()
api_key = os.getenv("DASHSCOPE_API_KEY")

别忘了先安装库：pip install python-dotenv

四、第三步：用 OpenAI SDK 调用通义千问

现在，我们用最熟悉的 OpenAI 代码，来调用阿里云的模型！

1. 安装依赖

首先，确保你安装了openai库：

bash

运行

pip install openai

2. 完整示例代码

这里有一个可以直接运行的脚本，帮你快速验证配置是否成功。

python

运行

from openai import OpenAI
import os

# ------------------- 配置客户端 -------------------
# 从环境变量中读取API Key（如果配置了系统环境变量，可以省略这行）
# api_key = os.getenv("DASHSCOPE_API_KEY")

client = OpenAI(
    # 如果配置了系统环境变量，这里可以省略api_key参数
    api_key="sk-xxxxxx", # 替换成你的API Key（仅测试用，不推荐硬编码）
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", # 阿里云百炼的兼容地址
)

# ------------------- 调用模型 -------------------
completion = client.chat.completions.create(
    model="qwen-plus", # 你可以换成其他模型，如 qwen-turbo, qwen-7b-chat等
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "你是谁？"}
    ]
)

# ------------------- 打印结果 -------------------
# 完整的原始JSON结构
print(completion.model_dump_json())

# 仅输出对话内容
print("\n---\n")
print(completion.choices[0].message.content)

3. 运行效果

运行上面的代码，如果一切配置正确，你将在控制台看到类似这样的输出：

json

{
  "id": "chatcmpl-xxx",
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "message": {
        "content": "你好！我是通义千问（Qwen），阿里巴巴集团旗下的超大规模语言模型。我能够回答问题、创作文字，比如写故事、写公文、写邮件、写剧本、逻辑推理、编程等等，还能表达观点，玩游戏等。如果你有任何问题或需要帮助，欢迎随时告诉我！😊",
        "role": "assistant"
      }
    }
  ],
  "usage": {
    "completion_tokens": 66,
    "prompt_tokens": 22,
    "total_tokens": 88
  }
}

---

你好！我是通义千问（Qwen），阿里巴巴集团旗下的超大规模语言模型。我能够回答问题、创作文字，比如写故事、写公文、写邮件、写剧本、逻辑推理、编程等等，还能表达观点，玩游戏等。如果你有任何问题或需要帮助，欢迎随时告诉我！😊

进程已结束，退出代码 0这代表你已经成功调用了通义千问大模型！