Skip to main content

ChatTogether

本页面将帮助您开始使用 Together AI 聊天模型。有关所有 ChatTogether 功能和配置的详细文档,请访问 API 参考

Together AI 提供一个 API 来查询 50+ 个领先的开源模型

概述

集成细节

类别包名本地可序列化JS 支持包下载包最新
ChatTogetherlangchain-togetherbetaPyPI - 下载量PyPI - 版本

模型特性

工具调用结构化输出JSON 模式图像输入音频输入视频输入令牌级流式处理原生异步令牌使用Logprobs

设置

要访问 Together 模型,您需要创建一个 Together 账户,获取 API 密钥,并安装 langchain-together 集成包。

凭证

前往 此页面 注册 Together 并生成 API 密钥。完成后设置 TOGETHER_API_KEY 环境变量:

import getpass
import os

if "TOGETHER_API_KEY" not in os.environ:
os.environ["TOGETHER_API_KEY"] = getpass.getpass("Enter your Together API key: ")

如果您想要自动跟踪模型调用,您还可以通过取消注释以下内容来设置您的 LangSmith API 密钥:

# os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")
# os.environ["LANGSMITH_TRACING"] = "true"

安装

LangChain Together 集成位于 langchain-together 包中:

%pip install -qU langchain-together

实例化

现在我们可以实例化我们的模型对象并生成聊天完成:

from langchain_together import ChatTogether

llm = ChatTogether(
model="meta-llama/Llama-3-70b-chat-hf",
temperature=0,
max_tokens=None,
timeout=None,
max_retries=2,
# other params...
)

调用

messages = [
(
"system",
"You are a helpful assistant that translates English to French. Translate the user sentence.",
),
("human", "I love programming."),
]
ai_msg = llm.invoke(messages)
ai_msg
AIMessage(content="J'adore la programmation.", response_metadata={'token_usage': {'completion_tokens': 9, 'prompt_tokens': 35, 'total_tokens': 44}, 'model_name': 'meta-llama/Llama-3-70b-chat-hf', 'system_fingerprint': None, 'finish_reason': 'stop', 'logprobs': None}, id='run-eabcbe33-cdd8-45b8-ab0b-f90b6e7dfad8-0', usage_metadata={'input_tokens': 35, 'output_tokens': 9, 'total_tokens': 44})
print(ai_msg.content)
J'adore la programmation.

链接

我们可以像这样使用提示词模板 我们的模型:

<!--IMPORTS:[{"imported": "ChatPromptTemplate", "source": "langchain_core.prompts", "docs": "https://python.langchain.com/api_reference/core/prompts/langchain_core.prompts.chat.ChatPromptTemplate.html", "title": "ChatTogether"}]-->
from langchain_core.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate.from_messages(
[
(
"system",
"You are a helpful assistant that translates {input_language} to {output_language}.",
),
("human", "{input}"),
]
)

chain = prompt | llm
chain.invoke(
{
"input_language": "English",
"output_language": "German",
"input": "I love programming.",
}
)
AIMessage(content='Ich liebe das Programmieren.', response_metadata={'token_usage': {'completion_tokens': 7, 'prompt_tokens': 30, 'total_tokens': 37}, 'model_name': 'meta-llama/Llama-3-70b-chat-hf', 'system_fingerprint': None, 'finish_reason': 'stop', 'logprobs': None}, id='run-a249aa24-ee31-46ba-9bf9-f4eb135b0a95-0', usage_metadata={'input_tokens': 30, 'output_tokens': 7, 'total_tokens': 37})

API 参考

有关所有 ChatTogether 功能和配置的详细文档,请访问 API 参考:https://python.langchain.com/api_reference/together/chat_models/langchain_together.chat_models.ChatTogether.html

相关


Was this page helpful?


You can also leave detailed feedback on GitHub.

扫我,入群扫我,找书