首先，在阿里云的dashScope灵积模型服务中，申请一个API-key，有挺多免费token的。
然后，在通义千问中输入提示词：
你是一个Python编程专家，现在要完成一个编写基于qwen-turbo模型API和dashscope库的程序脚本，具体步骤如下：
打开文件夹：D:\AR
获取里面所有的txt文档；
读取txt文件内容；
将每个txt文件的内容作为输入，并在调用API时附加提示语“翻译成中文”，API Key为：XXX ，model为qwen-turbo；
接收API返回的结果，并将其保存到在同一文件夹中，文件标题名为原txt文件标题名加上“总结”，文档格式为txt文档；
注意：
每一步都要打印相关的信息；
根据API的限流和请求要求，合理安排任务的发送频率，避免触发API的速率限制；
要有错误处理和调试信息，这有助于找出问题所在；
请求的输入长度范围应当在[1, 6000]之间，如果超长，需要对TXT内容进行截断，使其不超过6000个字符，然后再发送至API。
在读取文件时跳过那些以"_总结.txt"结尾的文件，避免递归地处理同一个文件夹下的所有文件，包括已经生成的总结文件。
qwen-turbo模型API的使用方法，请参照下面这个例子：
from http import HTTPStatus
import dashscope
def sample_sync_call():
prompt_text = '用萝卜、土豆、茄子做饭，给我个菜谱。'
resp = dashscope.Generation.call(
model='qwen-turbo',
prompt=prompt_text
)
# The response status_code is HTTPStatus.OK indicate success,
# otherwise indicate request is failed, you can get error code
# and message from code and message.
if resp.status_code == HTTPStatus.OK:
print(resp.output) # The output text
print(resp.usage) # The usage information
else:
print(resp.code) # The error code.
print(resp.message) # The error message.
sample_sync_call()
运行程序后发现几个错误：
首先，prompt=content,这里不对， prompt应该是“翻译成中文”
其次，程序在递归地处理同一个文件夹下的所有文件，包括已经生成的总结文件
让通义千问进行修改，最终修改后的Python代码如下：
import os
import time
from typing import List
from http import HTTPStatus
import dashscope
# API Key
API_KEY = "XXX"
# 遍历文件夹获取txt文件
def get_txt_files(directory: str) -> List[str]:
txt_files = []
for root, dirs, files in os.walk(directory):
txt_files.extend([
os.path.join(root, file)
for file in files
if file.endswith('.txt') and not file.endswith('_总结.txt')
])
return txt_files
# 读取txt文件内容，截断过长的内容
def read_and_truncate_file(file_path: str) -> str:
with open(file_path, 'r', encoding='utf-8') as f:
content = f.read()
if len(content) > 6000:
print(f"原始文件内容超过6000字符，已截断至前6000个字符：{file_path}")
content = content[:6000]
return content
# 使用API翻译并保存结果
def translate_and_save(file_path: str, content: str):
try:
# 在内容前添加“翻译成中文”的提示语
prompt_text = "翻译成中文：" + content
if len(prompt_text) > 6000:
print(f"原始文件内容与提示语组合后超过6000字符，已截断至前6000个字符：{file_path}")
prompt_text = prompt_text[:6000]
resp = dashscope.Generation.call(
model='qwen-turbo',
prompt=prompt_text,
api_key=API_KEY
)
if resp.status_code == HTTPStatus.OK:
output_text = str(resp.output)
summary_file_path = os.path.splitext(file_path)[0] + "_总结.txt"
with open(summary_file_path, 'w', encoding='utf-8') as f:
f.write(output_text)
print(f"成功获取翻译结果并保存至：{summary_file_path}")
print(f"使用信息：{resp.usage}")
else:
print(f"请求失败，错误代码：{resp.code}，错误信息：{resp.message}")
except Exception as e:
print(f"处理文件 {file_path} 时遇到错误：{str(e)}")
def main():
directory = "D:\\AR"
txt_files = get_txt_files(directory)
for file_path in txt_files:
content = read_and_truncate_file(file_path)
print(f"正在处理文件：{file_path}...")
time.sleep(1) # 模拟控制请求频率，实际请根据API限流要求调整间隔时间
translate_and_save(file_path, content)
if __name__ == "__main__":
main()
修改后的程序，运行成功。
