吴恩达新项目，我加上了国产大模型API.md

大家好，我是章北海

昨天发现了吴恩达老师开源了他的翻译智能体项目：Translation-agent（⬅️点击阅读详情）

这是一个使用 Python 演示的反思智能体工作流的机器翻译示例。

主要步骤如下：

1. 输入 prompt，使大型语言模型（LLM）将文本从 source_language 翻译成 target_language；
2. 让 LLM 反思翻译结果，并提出建设性的改进建议；
3. 利用这些建议改进翻译。

我简单测试了一下，感觉不甚理想。

看了源码，默认使用的 GPT-4 Turbo API，翻译一句话居然花了 0.025 美元，合 1 毛 8 分钱。

吴恩达老师在推特中说：这不是成熟的软件，希望开源社区能让代理翻译工作得更好。

本着向大佬学习的目的，我 Fork 了项目，并把 API 切成了阿里通义千问的 Qwen。

这不仅对国内的同学更友好，价格也更加低廉。

项目地址：https://github.com/tjxj/translation-agent-qwen/

简单测试，感觉比GPT-4还要好一点点

其实蛮简单的，因为 DashScope（阿里巴巴灵积模型服务）提供了与 OpenAI 兼容的接口。

主要看了帮助文档： https://help.aliyun.com/zh/dashscope/developer-reference/activate-dashscope-and-create-an-api-key?spm=a2c4g.11186623.0.0.564346c1orLyaQ

只需要修改/src/translation_agent/utils.py中模型调用部分代码，

然后把 .env 中 OPENAI_API_KEY 换成 DASHSCOPE_API_KEY 即可。

我还加了一个英译中的test.py

import translation_agent as ta
source_lang, target_lang, country = "English", "Simplified Chinese", "China"
source_text= "It's easy to look sharp when you haven't done anything."
print(f"Source text:\n\n{source_text}\n------------\n")
translation = ta.translate(source_lang, target_lang, source_text, country)
print(f"Translation:\n\n{translation}")

使用也很简单：

第一步，安装

pip install poetry 
git clone https://github.com/andrewyng/translation-agent.git
cd translation-agent
poetry install
poetry shell # activates virtual environment

第二步，填写API

还没有的同学可以申请一下：https://help.aliyun.com/zh/dashscope/opening-service?spm=a2c4g.11186623.0.0.467d64d1BfB7Dk

把 .env.sample 改成 .env，将自己的 DASHSCOPE_API_KEY 填进去

第三步，运行示例代码 test.py

原项目/examples/example_script.py 还提供了一个长文本翻译的Demo，对翻译质量敏感的同学可以试试。