Clarifai
Clarifai 是首批深度学习平台之一，成立于 2013 年。Clarifai 提供了一个涵盖完整 AI 生命周期的 AI 平台，支持对图像、视频、文本和音频数据进行数据探索、数据标注、模型训练、评估和推理。在 LangChain 生态系统中，据我们所知，Clarifai 是唯一一个在一个生产级平台上同时支持大语言模型（LLM）、嵌入（embeddings）和向量存储的提供商，使其成为将您的 LangChain 实现投入生产的绝佳选择。
Clarifai为许多不同的应用场景提供数千个 AI 模型。您可以在此处探索它们，以找到最适合您应用场景的模型。这些模型包括由其他提供商（如 OpenAI、Anthropic、Cohere、AI21 等）创建的模型，以及来自开源领域的尖端模型（如 Falcon、InstructorXL 等），从而让您将最优质的 AI 集成到您的产品中。这些模型按创建者的 user_id 进行组织，并归入我们称为“应用程序”的项目中，由 app_id 标识。除了 model_id 之外，您可能还需要 version_id（可选），因此一旦找到最适合您应用场景的模型，请务必记录所有这些 ID！此外，请注意，由于存在许多用于图像、视频、文本和音频理解的模型，您可以构建一些感兴趣的 AI 代理，利用各种 AI 模型作为专家来理解这些数据类型。
安装与设置¶
- 安装 Python SDK：
pip install clarifai
注册一个Clarifai账户，然后获取个人访问令牌以从你的 安全设置 访问Clarifai API，并将其设置为环境变量（CLARIFAI_PAT）。
大型语言模型
要在 Clarifai 平台中找到大语言模型（LLM）的选项，您可以选择文本到文本模型类型 此处。
from langchain_community.llms import Clarifai
llm = Clarifai(pat=CLARIFAI_PAT, user_id=USER_ID, app_id=APP_ID, model_id=MODEL_ID)
有关更多详细信息，Clarifai LLM 包装器的文档提供了详细的逐步指南。
嵌入模型
要在 Clarifai 平台中查找嵌入模型的选择，您可以选择文本到嵌入模型类型 这里。
LangChain 中有一个 Clarifai 嵌入模型，您可以通过以下方式访问它：
from langchain_community.embeddings import ClarifaiEmbeddings
embeddings = ClarifaiEmbeddings(pat=CLARIFAI_PAT, user_id=USER_ID, app_id=APP_ID, model_id=MODEL_ID)
查看 使用示例。
向量存储
Clarifai的向量数据库于2016年推出，并经过优化以支持实时搜索查询。通过Clarifai平台的工作流，您的数据会自动由嵌入模型（embedding model）进行索引，也可选择其他模型来对该信息进行索引以便在数据库中进行搜索。您不仅可以基于向量查询该数据库，还可以按元数据匹配、其他AI预测的概念进行过滤，甚至执行地理坐标搜索。只需创建一个应用程序，为您的数据类型选择合适的基线工作流，然后上传它（可通过API按照此处文档所述方式，或通过clarifai.com上的用户界面）。
您还可以直接从 LangChain 添加数据，自动索引将为您完成。您会注意到这与其它向量存储库略有不同：在其他方案中，您需要在构造函数中提供嵌入模型，并由 LangChain 协调从文本获取嵌入并将这些嵌入写入索引的过程。这不仅更加便捷，而且使用 Clarifai 的分布式云在后台完成所有索引工作也更具可扩展性。
from langchain_community.vectorstores import Clarifai
clarifai_vector_db = Clarifai.from_texts(user_id=USER_ID, app_id=APP_ID, texts=texts, pat=CLARIFAI_PAT, number_of_docs=NUMBER_OF_DOCS, metadatas = metadatas)
有关更多详细信息，Clarifai 向量存储的文档提供了详细的分步指南。