在代码补全、文本续写等场景中，需要模型从已有的文本片段（前缀）开始继续生成。Partial Mode 可提供精确控制能力，确保模型输出的内容紧密衔接提供的前缀，提升生成结果的准确性与可控性。
使用方式
需在messages 数组中将最后一条消息的 role 设置为 assistant，并在其 content 中提供前缀，在此消息中设置参数 "partial": true。messages格式如下：
[
{
"role": "user",
"content": "请补全这个斐波那契函数，勿添加其它内容"
},
{
"role": "assistant",
"content": "def calculate_fibonacci(n):\n if n <= 1:\n return n\n else:\n",
"partial": true
}
]模型会以前缀内容为起点开始生成。
支持的模型
通义千问Max 系列
qwen-max、qwen-max-latest、qwen-max-2024-09-19及之后的快照模型
通义千问Plus 系列（非思考模式）
qwen-plus、qwen-plus-latest、qwen-plus-2024-09-19及之后的快照模型
通义千问Flash 系列（非思考模式）
qwen-flash、qwen-flash-2025-07-28及之后的快照模型
通义千问Coder 系列
qwen3-coder-plus、qwen3-coder-flash、qwen3-coder-480b-a35b-instruct、qwen3-coder-30b-a3b-instruct、qwen-coder-plus、qwen-coder-plus-latest、qwen-coder-plus-2024-11-06、qwen-coder-turbo、qwen-coder-turbo-latest、qwen-coder-turbo-2024-09-19、qwen2.5-coder-32b-instruct、qwen2.5-coder-14b-instruct、qwen2.5-coder-7b-instruct、qwen2.5-coder-3b-instruct、qwen2.5-coder-1.5b-instruct、qwen2.5-coder-0.5b-instruct
通义千问VL 系列
qwen-vl-max 系列
qwen-vl-max、qwen-vl-max-latest、qwen-vl-max-2024-11-19、qwen-vl-max-2025-01-25及之后的快照模型
qwen-vl-plus 系列
qwen-vl-plus、qwen-vl-plus-latest、qwen-vl-plus-2025-05-07、qwen-vl-plus-2024-08-09
通义千问Turbo 系列（非思考模式）
qwen-turbo、qwen-turbo-latest、qwen-turbo-2024-09-19及之后的快照模型
通义千问开源系列
Qwen3 开源模型（非思考模式）、qwen2.5-72b-instruct、qwen2.5-32b-instruct、qwen2.5-14b-instruct、qwen2.5-7b-instruct、qwen2.5-3b-instruct、qwen2.5-1.5b-instruct、qwen2.5-0.5b-instruct
通义千问Math 系列
qwen-math-plus、qwen-math-plus-latest、qwen-math-plus-0919、qwen-math-turbo、qwen-math-turbo-latest、qwen-math-turbo-0919、qwen2.5-math-72b-instruct、qwen2.5-math-7b-instruct、qwen2.5-math-1.5b-instruct
重要
思考模式模型暂不支持前缀续写功能。
快速开始
前提条件
已获取API Key并 配置API Key到环境变量。如果通过 OpenAI SDK 或 DashScope SDK 进行调用，需要安装SDK。如果您是子业务空间的成员，请确保超级管理员已为该业务空间进行 模型授权操作。
说明
暂不支持 DashScope Java SDK。
示例代码
代码补全是 Partial Mode 的核心应用场景。以下示例演示如何使用 qwen3-coder-plus 模型补全一个 Python 函数。
OpenAI兼容
Python
import os
from openai import OpenAI
# 1. 初始化客户端
client = OpenAI(
# 若没有配置环境变量，请将下行替换为：api_key="sk-xxx"
api_key=os.getenv("DASHSCOPE_API_KEY"),
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)
# 2. 定义需要补全的代码前缀
prefix = """def calculate_fibonacci(n):
if n <= 1:
return n
else:
"""
# 3. 发起 Partial Mode 请求
# 注意：messages 数组的最后一条消息 role 为 "assistant"，并包含 "partial": True
completion = client.chat.completions.create(
model="qwen3-coder-plus",
messages=[
{"role": "user", "content": "请补全这个斐波那契函数，勿添加其它内容"},
{"role": "assistant", "content": prefix, "partial": True},
],
)
# 4. 手动拼接前缀和模型生成的内容
generated_code = completion.choices[0].message.content
complete_code = prefix + generated_code
print(complete_code)返回结果
def calculate_fibonacci(n):
if n <= 1:
return n
else:
return calculate_fibonacci(n-1) + calculate_fibonacci(n-2)Node.js
import OpenAI from "openai";
const openai = new OpenAI({
// 若没有配置环境变量，请用阿里云百炼API Key将下行替换为：apiKey: "sk-xxx",
apiKey: process.env.DASHSCOPE_API_KEY,
baseURL: "https://dashscope.aliyuncs.com/compatible-mode/v1"
});
// 定义需要补全的代码前缀
const prefix = `def calculate_fibonacci(n):
if n <= 1:
return n
else:
`;
const completion = await openai.chat.completions.create({
model: "qwen3-coder-plus", // 使用代码模型
messages: [
{ role: "user", content: "请补全这个斐波那契函数，勿添加其它内容" },
{ role: "assistant", content: prefix, partial: true }
],
});
// 手动拼接前缀和模型生成的内容
const generatedCode = completion.choices[0].message.content;
const completeCode = prefix + generatedCode;
console.log(completeCode);curl
curl -X POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "qwen3-coder-plus",
"messages": [
{
"role": "user",
"content": "请补全这个斐波那契函数，勿添加其它内容"
},
{
"role": "assistant",
"content": "def calculate_fibonacci(n):\n if n <= 1:\n return n\n else:\n",
"partial": true
}
]
}'返回结果
{
"choices": [
{
"message": {
"content": " return calculate_fibonacci(n-1) + calculate_fibonacci(n-2)",
"role": "assistant"
},
"finish_reason": "stop",
"index": 0,
"logprobs": null
}
],
"object": "chat.completion",
"usage": {
"prompt_tokens": 48,
"completion_tokens": 19,
"total_tokens": 67,
"prompt_tokens_details": {
"cache_type": "implicit",
"cached_tokens": 0
}
},
"created": 1756800231,
"system_fingerprint": null,
"model": "qwen3-coder-plus",
"id": "chatcmpl-d103b1cf-4bda-942f-92d6-d7ecabfeeccb"
}DashScope
Python
import os
import dashscope
messages = [
{
"role": "user",
"content": "请补全这个斐波那契函数，勿添加其它内容"
},
{
"role": "assistant",
"content": "def calculate_fibonacci(n):\n if n <= 1:\n return n\n else:\n",
"partial": True
}
]
response = dashscope.Generation.call(
# 若没有配置环境变量，请用阿里云百炼API Key将下行替换为：api_key="sk-xxx",
api_key=os.getenv("DASHSCOPE_API_KEY"),
model='qwen3-coder-plus',
messages=messages,
result_format='message',
)
# 手动拼接前缀和模型生成的内容
prefix = "def calculate_fibonacci(n):\n if n <= 1:\n return n\n else:\n"
generated_code = response.output.choices[0].message.content
complete_code = prefix + generated_code
print(complete_code)返回结果
def calculate_fibonacci(n):
if n <= 1:
return n
else:
return calculate_fibonacci(n-1) + calculate_fibonacci(n-2)curl
curl -X POST "https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation" \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "qwen3-coder-plus",
"input":{
"messages":[
{
"role": "user",
"content": "请补全这个斐波那契函数，勿添加其它内容"
},
{
"role": "assistant",
"content": "def calculate_fibonacci(n):\n if n <= 1:\n return n\n else:\n",
"partial": true
}
]
},
"parameters": {
"result_format": "message"
}
}'返回结果
{
"output": {
"choices": [
{
"message": {
"content": " return calculate_fibonacci(n-1) + calculate_fibonacci(n-2)",
"role": "assistant"
},
"finish_reason": "stop"
}
]
},
"usage": {
"total_tokens": 67,
"output_tokens": 19,
"input_tokens": 48,
"prompt_tokens_details": {
"cache_type": "implicit",
"cached_tokens": 0
},
"cached_tokens": 0
},
"request_id": "c61c62e5-cf97-90bc-a4ee-50e5e117b93f"
}使用示例
传入图片或视频
qwen-vl-max系列与qwen-vl-plus系列模型支持在输入图像、视频数据时进行前缀续写，可应用于产品介绍、社交媒体内容创作、新闻稿生成、创意文案等场景。
OpenAI兼容
Python
import os
from openai import OpenAI
client = OpenAI(
api_key=os.getenv("DASHSCOPE_API_KEY"),
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)
completion = client.chat.completions.create(
model="qwen-vl-max",
messages=[
{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": {
"url": "https://img.alicdn.com/imgextra/i3/O1CN01zFX2Bs1Q0f9pESgPC_!!6000000001914-2-tps-450-450.png"
},
},
{"type": "text", "text": "我要发社交媒体，请帮我想一下文案。"},
],
},
{
"role": "assistant",
"content": "今天发现了一家宝藏咖啡馆",
"partial": True,
},
],
)
print(completion.choices[0].message.content)返回结果
，这款提拉米苏简直是味蕾的享受！每一口都能感受到咖啡与奶油的完美融合，幸福感爆棚～ #美食分享 #提拉米苏 #咖啡时光
希望你喜欢这个文案！如果有任何修改需求，请随时告诉我。Node.js
import OpenAI from "openai";
const openai = new OpenAI({
// 若没有配置环境变量，请用百炼API Key将下行替换为：apiKey: "sk-xxx"
apiKey: process.env.DASHSCOPE_API_KEY,
baseURL: "https://dashscope.aliyuncs.com/compatible-mode/v1"
});
async function main() {
const response = await openai.chat.completions.create({
model: "qwen-vl-max", // 此处以qwen-vl-max为例，可按需更换模型名称。
messages: [
{
role: "user",
content: [
{
type: "image_url",
image_url: {
"url": "https://img.alicdn.com/imgextra/i3/O1CN01zFX2Bs1Q0f9pESgPC_!!6000000001914-2-tps-450-450.png"
}
},
{
type: "text",
text: "我要发社交媒体，请帮我想一下文案。"
}
]
},
{
role: "assistant",
content: "今天发现了一家宝藏咖啡馆",
"partial": true
}
]
});
console.log(response.choices[0].message.content);
}
main();curl
示例代码
curl -X POST 'https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions' \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H 'Content-Type: application/json' \
-d '{
"model": "qwen-vl-max",
"messages": [
{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": {
"url": "https://img.alicdn.com/imgextra/i3/O1CN01zFX2Bs1Q0f9pESgPC_!!6000000001914-2-tps-450-450.png"
}
},
{
"type": "text",
"text": "我要发社交媒体，请帮我想一下文案。"
}
]
},
{
"role": "assistant",
"content": "今天发现了一家宝藏咖啡馆",
"partial": true
}
]
}'返回结果
{
"choices": [
{
"message": {
"content": "，这款提拉米苏简直是味蕾的享受！每一口都是咖啡与奶油的完美融合，幸福感爆棚～ #美食分享 #提拉米苏 #咖啡时光\n\n希望你喜欢这个文案！如果有任何修改需求，请随时告诉我。",
"role": "assistant"
},
"finish_reason": "stop",
"index": 0,
"logprobs": null
}
],
"object": "chat.completion",
"usage": {
"prompt_tokens": 282,
"completion_tokens": 56,
"total_tokens": 338,
"prompt_tokens_details": {
"cached_tokens": 0
}
},
"created": 1756802933,
"system_fingerprint": null,
"model": "qwen-vl-max",
"id": "chatcmpl-5780cbb7-ebae-9c63-b098-f8cc49e321f0"
}DashScope
Python
示例代码
import os
import dashscope
messages = [
{
"role": "user",
"content": [
{
"image": "https://img.alicdn.com/imgextra/i3/O1CN01zFX2Bs1Q0f9pESgPC_!!6000000001914-2-tps-450-450.png"
},
{"text": "我要发社交媒体，请帮我想一下文案。"},
],
},
{"role": "assistant", "content": "今天发现了一家宝藏咖啡馆", "partial": True},
]
response = dashscope.MultiModalConversation.call(
#若没有配置环境变量， 请用百炼API Key将下行替换为： api_key ="sk-xxx"
api_key=os.getenv("DASHSCOPE_API_KEY"),
model="qwen-vl-max",
messages=messages
)
print(response.output.choices[0].message.content[0]["text"])返回结果
，这款提拉米苏简直是味蕾的享受！每一口都能感受到咖啡与奶油的完美融合，幸福感爆棚～ #美食分享 #提拉米苏 #咖啡时光
希望你喜欢这个文案！如果有任何修改需求，请随时告诉我。curl
示例代码
curl -X POST https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H 'Content-Type: application/json' \
-d '{
"model": "qwen-vl-max",
"input":{
"messages":[
{"role": "user",
"content": [
{"image": "https://img.alicdn.com/imgextra/i3/O1CN01zFX2Bs1Q0f9pESgPC_!!6000000001914-2-tps-450-450.png"},
{"text": "我要发社交媒体，请帮我想一下文案。"}]
},
{"role": "assistant",
"content": "今天发现了一家宝藏咖啡馆",
"partial": true
}
]
}
}'返回结果
{
"output": {
"choices": [
{
"message": {
"content": [
{
"text": "，这款提拉米苏简直是味蕾的享受！每一口都能感受到咖啡与奶油的完美融合，幸福感爆棚～ #美食分享 #提拉米苏 #咖啡时光\n\n希望你喜欢这个文案！如果有任何修改需求，请随时告诉我。"
}
],
"role": "assistant"
},
"finish_reason": "stop"
}
]
},
"usage": {
"total_tokens": 339,
"input_tokens_details": {
"image_tokens": 258,
"text_tokens": 24
},
"output_tokens": 57,
"input_tokens": 282,
"output_tokens_details": {
"text_tokens": 57
},
"image_tokens": 258
},
"request_id": "c741328c-23dc-9286-bfa7-626a4092ca09"
}基于不完整输出进行续写
如果大模型返回不完整的内容，可使用 Partial Mode 对不完整的内容续写，使其语义完整。大模型可能返回不完整内容的情况：
max_tokens参数设置过小，使模型返回被截断的内容。非流式输出触发超时，已生成的内容不完整。
超时不再报错，而是将已生成内容返回，详情参见如何处理模型超时的情况。
OpenAI兼容
Python
import os
from openai import OpenAI
# 初始化客户端
client = OpenAI(
api_key=os.getenv("DASHSCOPE_API_KEY"),
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)
def chat_completion(messages,max_tokens=None):
response = client.chat.completions.create(
model="qwen-plus",
messages=messages,
max_tokens=max_tokens
)
print(f"###停止生成原因：{response.choices[0].finish_reason}")
return response.choices[0].message.content
# 使用示例
messages = [{"role": "user", "content": "请写一个短篇科幻故事"}]
# 第一轮调用，设置max_tokens为40
first_content = chat_completion(messages, max_tokens=40)
print(first_content)
# 将第一轮的响应加入到assistant message，并设置partial=True
messages.append({"role": "assistant", "content": first_content, "partial": True})
# 第二轮调用
second_content = chat_completion(messages)
print("###完整内容：")
print(first_content+second_content)返回结果
停止生成原因为length表示触发了max_tokens的限制；停止生成原因为stop表示大模型生成自然结束，或触发了stop参数。
###停止生成原因：length
**《记忆的尽头》**
在遥远的未来，地球早已不再适合人类居住。大气层被污染，海洋干涸，城市变成了废墟。人类被迫迁移到一颗名为“
###停止生成原因：stop
###完整内容：
**《记忆的尽头》**
在遥远的未来，地球早已不再适合人类居住。大气层被污染，海洋干涸，城市变成了废墟。人类被迫迁移到一颗名为“伊甸星”的宜居星球，那里有蔚蓝的天空、清新的空气和无尽的资源。
然而，伊甸星并非真正的天堂。它没有人类的历史，没有过去，也没有记忆。
......
**“如果我们忘记了自己是谁，我们还算是人类吗？”**
——完——Node.js
import OpenAI from "openai";
const openai = new OpenAI({
// 若没有配置环境变量，请用阿里云百炼API Key将下行替换为：apiKey: "sk-xxx",
apiKey: process.env.DASHSCOPE_API_KEY,
baseURL: "https://dashscope.aliyuncs.com/compatible-mode/v1"
});
async function chatCompletion(messages, maxTokens = null) {
const completion = await openai.chat.completions.create({
model: "qwen-plus",
messages: messages,
max_tokens: maxTokens
});
console.log(`###停止生成原因：${completion.choices[0].finish_reason}`);
return completion.choices[0].message.content;
}
// 使用示例
async function main() {
let messages = [{"role": "user", "content": "请写一个短篇科幻故事"}];
try {
// 第一轮调用，设置max_tokens为40
const firstContent = await chatCompletion(messages, 40);
console.log(firstContent);
// 将第一轮的响应加入到assistant message，并设置partial=true
messages.push({"role": "assistant", "content": firstContent, "partial": true});
// 第二轮调用
const secondContent = await chatCompletion(messages);
console.log("###完整内容：");
console.log(firstContent + secondContent);
} catch (error) {
console.error('执行出错:', error);
}
}
// 运行示例
main();DashScope
Python
示例代码
import os
import dashscope
def chat_completion(messages, max_tokens=None):
response = dashscope.Generation.call(
# 若没有配置环境变量，请用阿里云百炼API Key将下行替换为：api_key="sk-xxx",
api_key=os.getenv("DASHSCOPE_API_KEY"),
model='qwen-plus',
messages=messages,
max_tokens=max_tokens,
result_format='message',
)
print(f"###停止生成原因：{response.output.choices[0].finish_reason}")
return response.output.choices[0].message.content
# 使用示例
messages = [{"role": "user", "content": "请写一个短篇科幻故事"}]
# 第一轮调用，设置max_tokens为40
first_content = chat_completion(messages, max_tokens=40)
print(first_content)
# 将第一轮的响应加入到assistant message，并设置partial=True
messages.append({"role": "assistant", "content": first_content, "partial": True})
# 第二轮调用
second_content = chat_completion(messages)
print("###完整内容：")
print(first_content + second_content)返回结果
###停止生成原因：length
标题：**《时间折纸》**
---
公元2179年，人类终于掌握了时间旅行的技术。但这项技术并不是通过庞大的机器或复杂的能量场实现的，而是一
###停止生成原因：stop
###完整内容：
标题：**《时间折纸》**
---
公元2179年，人类终于掌握了时间旅行的技术。但这项技术并不是通过庞大的机器或复杂的能量场实现的，而是一张纸。
一张能折叠时间的纸。
它被称为“时间折纸”，由一种来自外星文明的未知物质制成。科学家们无法解释它的原理，只知道，只要在纸上画出某个场景，再进行特定的折叠方式，就能打开一扇通往过去或未来的门。
......
“你不是时间的钥匙，只是提醒我们，未来，始终掌握在我们手中。”
然后，我把它撕成了碎片。
---
**（完）**计费说明
根据请求的输入 Token 和输出 Token 计费。前缀部分作为输入 Token。
错误码
如果模型调用失败并返回报错信息，请参见错误信息进行解决。
该文章对您有帮助吗？