管道 AI
PipelineAI 允许您在云中大规模运行 ML 模型。它还提供对多个 LLM 模型的 API 访问。
本笔记本介绍了如何将 Langchain 与 PipelineAI 结合使用。
PipelineAI 示例
此示例显示了 PipelineAI 如何与 LangChain 集成，并且它是由 PipelineAI 创建的。
设置
这pipeline-ailibrary 才能使用PipelineAIAPI，又名Pipeline Cloud.安装pipeline-ai用pip install pipeline-ai.
# Install the package
%pip install --upgrade --quiet pipeline-ai
例
进口
import os
from langchain_community.llms import PipelineAI
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import PromptTemplate
设置环境 API Key
请确保从 PipelineAI 获取 API 密钥。查看 Cloud 快速入门指南。您将获得 30 天的免费试用期，其中包含 10 小时的无服务器 GPU 计算时间，用于测试不同的模型。
os.environ["PIPELINE_API_KEY"] = "YOUR_API_KEY_HERE"
创建 PipelineAI 实例
在实例化 PipelineAI 时，您需要指定要使用的管道的 id 或标签，例如pipeline_key = "public/gpt-j:base".然后，您可以选择传递其他特定于管道的关键字参数：
llm = PipelineAI(pipeline_key="YOUR_PIPELINE_KEY", pipeline_kwargs={...})
创建提示模板
我们将为 Question and Answer （问题与答案） 创建一个提示模板。
template = """Question: {question}
Answer: Let's think step by step."""
prompt = PromptTemplate.from_template(template)
启动 LLMChain
llm_chain = prompt | llm | StrOutputParser()
运行 LLMChain
提供问题并运行 LLMChain。
question = "What NFL team won the Super Bowl in the year Justin Beiber was born?"
llm_chain.invoke(question)