基于 DashScope Java SDK 实现通义千问多轮对话与流式输出

如何使用阿里云 DashScope Java SDK 集成通义千问模型。步骤包括注册账号获取 API Key、在 Maven 项目中添加依赖。核心代码展示了如何构建多轮对话的消息列表以保留上下文，并利用流式调用接口实现实时文本输出。最终提供了一个控制台交互 Demo，具备输入用户指令、接收模型流式响应及打印 Token 用量的功能。

路由之心发布于 2026/3/28更新于 2026/9/674 浏览

背景

在大模型的浪潮中，阿里云推出的通义千问（Qwen）以强大的中文理解能力和开放生态脱颖而出。如果你是一名 Java 开发者，希望快速体验 AI 问答、聊天、知识问答等功能，那么官方提供的 DashScope Java SDK 无疑是最便捷的入口。

本文将带你从零实现一个控制台版 AI 多轮对话 Demo，支持通义千问模型（Qwen）的流式输出，实现类似 ChatGPT 的实时回复体验。

准备工作

1. 注册与获取 API Key

访问阿里云 DashScope 平台。
登录后进入「控制台」 -> 「API Key 管理」，创建并复制你的 API Key。
请妥善保管此 Key，不要上传到公共仓库。

2. 创建 Java 项目并引入依赖

如果你使用 Maven 构建项目，只需在 pom.xml 中添加以下依赖：

<dependency>
    <groupId>com.alibaba</groupId>
    <artifactId>dashscope-sdk-java</artifactId>
    <version>2.21.12</version>
    <!--如果有冲突请排除掉slf4j-simple-->
    <exclusions>
        <exclusion>
            <groupId>org.slf4j</groupId>
            <artifactId>slf4j-simple</artifactId>
        </exclusion>
    </exclusions>
</dependency>

提示：版本号可到 DashScope SDK 官方仓库查看最新版本。

代码实现

接下来我们实现一个完整的控制台应用：

支持用户多轮输入；
每轮对话都带上下文记忆；
采用通义千问的流式输出模式（边生成边显示）。

核心代码

相关免费在线工具

Keycode 信息
查找任何按下的键的javascript键代码、代码、位置和修饰符。在线工具，Keycode 信息在线工具，online
Escape 与 Native 编解码
JavaScript 字符串转义/反转义；Java 风格 \uXXXX（Native2Ascii）编码与解码。在线工具，Escape 与 Native 编解码在线工具，online
JavaScript / HTML 格式化
使用 Prettier 在浏览器内格式化 JavaScript 或 HTML 片段。在线工具，JavaScript / HTML 格式化在线工具，online
JavaScript 压缩与混淆
Terser 压缩、变量名混淆，或 javascript-obfuscator 高强度混淆（体积会增大）。在线工具，JavaScript 压缩与混淆在线工具，online
RSA密钥对生成器
生成新的随机RSA私钥和公钥pem证书。在线工具，RSA密钥对生成器在线工具，online
Mermaid 预览与可视化编辑
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。在线工具，Mermaid 预览与可视化编辑在线工具，online

public class GenerationDemo {
    // API 密钥
    private static final String API_KEY = "替换为你的 API 密钥即可";

    /**
     * 创建 GenerationParam 对象
     * @param messages 对话消息列表
     * @return GenerationParam 对象
     */
    public static GenerationParam createGenerationParam(List<Message> messages) {
        return GenerationParam.builder()
                .apiKey(API_KEY)
                .model("qwen-turbo") // 指定模型名称
                .messages(messages)
                .resultFormat(GenerationParam.ResultFormat.MESSAGE)
                .incrementalOutput(true) // 开启增量输出，流式返回
                .build();
    }

    /**
     * 使用对话消息发起流式生成调用
     * @param param 生成参数
     * @return 流式生成结果
     */
    public static Flowable<GenerationResult> callGenerationWithMessages(GenerationParam param) throws ApiException, NoApiKeyException, InputRequiredException {
        Generation gen = new Generation();
        return gen.streamCall(param); // 通过 streamCall 开启流式调用
    }

    /**
     * 创建消息对象的辅助方法
     * @param role 角色
     * @param content 消息内容
     * @return 消息对象
     */
    private static Message createMessage(Role role, String content) {
        return Message.builder().role(role.getValue()).content(content).build();
    }

    public static void main(String[] args) {
        try {
            List<Message> messages = new ArrayList<>();
            // 添加系统角色消息，设定助手身份
            messages.add(createMessage(Role.SYSTEM, "你是一个非常热心的助手"));

            // 进行 2 轮对话（演示）
            for (int i = 0; i < 2; i++) {
                Scanner scanner = new Scanner(System.in);
                System.out.print("请输入：");
                String userInput = scanner.nextLine();
                if ("exit".equalsIgnoreCase(userInput)) {
                    break;
                }
                // 添加用户消息
                messages.add(createMessage(Role.USER, userInput));

                // 创建生成参数
                GenerationParam param = createGenerationParam(messages);

                // 发起流式调用
                CountDownLatch latch = new CountDownLatch(1); // 用于拼接完整响应内容
                StringBuffer fullContent = new StringBuffer();

                Flowable<GenerationResult> resultFlowable = callGenerationWithMessages(param);
                System.out.print("模型输出：");
                resultFlowable
                        .subscribeOn(Schedulers.io()) // IO 线程执行请求
                        .observeOn(Schedulers.computation()) // 计算线程处理响应
                        .subscribe(result -> {
                            String content = result.getOutput().getChoices().get(0).getMessage().getContent();
                            String finishReason = result.getOutput().getChoices().get(0).getFinishReason();
                            System.out.print(content);
                            fullContent.append(content);

                            // 当 finishReason 不为 null 时，表示是最后一个 chunk，输出用量信息
                            if (finishReason != null && !"null".equals(finishReason)) {
                                System.out.println("\n--- 请求用量 ---");
                                System.out.println("输入 Tokens：" + result.getUsage().getInputTokens());
                                System.out.println("输出 Tokens：" + result.getUsage().getOutputTokens());
                                System.out.print("总 Tokens：" + result.getUsage().getTotalTokens());
                            }
                            System.out.flush(); // 立即刷新输出
                        }, 
                        // onError: 处理错误
                        error -> {
                            System.err.println("\n请求失败：" + error.getMessage());
                            latch.countDown();
                        }, 
                        // onComplete: 完成回调
                        () -> {
                            System.out.println(); // 换行
                            // System.out.println("完整响应：" + fullContent.toString());
                            latch.countDown();
                        });
                latch.await();
                messages.add(createMessage(Role.SYSTEM, fullContent.toString()));
            }
        } catch (ApiException | NoApiKeyException | InputRequiredException e) {
            e.printStackTrace();
        } catch (InterruptedException e) {
            throw new RuntimeException(e);
        }
        System.exit(0);
    }
}

基于 DashScope Java SDK 实现通义千问多轮对话与流式输出

背景

准备工作

1. 注册与获取 API Key

2. 创建 Java 项目并引入依赖

代码实现

核心代码

更多推荐文章

相关免费在线工具

原理说明

总结

更多推荐文章

相关免费在线工具