OpenGradient
OpenGradient 是一个去中心化的 AI 计算网络，支持全球可访问、无需许可和可验证的 ML 模型推理。
OpenGradient langchain 包目前提供了一个工具包，允许开发人员为 OpenGradient 网络上的模型构建自己的自定义 ML 推理工具。这以前是一个挑战，因为大型模型参数的上下文窗口污染性质 -- 想象一下必须为您的代理提供 200x200 的浮点数据数组！
该工具包通过将所有数据处理逻辑封装在工具定义本身中来解决这个问题。这种方法使代理的上下文窗口保持整洁，同时为开发人员提供了完全的灵活性，以便为其 ML 模型实施自定义数据处理和实时数据检索。
安装和设置
确保您拥有 OpenGradient API 密钥以访问 OpenGradient 网络。如果您已经有 API 密钥，只需设置环境变量即可：
!export OPENGRADIENT_PRIVATE_KEY="your-api-key"
如果您需要设置新的 API 密钥，请下载 opengradient SDK 并按照说明初始化新配置。
!pip install opengradient
!opengradient config init
设置 API 密钥后，请安装 langchain-opengradient 软件包。
pip install -U langchain-opengradient
OpenGradient 工具包
OpenGradientToolkit 使开发人员能够基于部署在 OpenGradient 去中心化网络上的 ML 模型和工作流创建专用工具。这种集成使 LangChain 代理能够访问强大的 ML 功能，同时保持高效的上下文使用。
主要优点
-
🔄 实时数据集成 - 在您的工具中处理实时数据馈送
-
🎯 动态处理 - 适应特定代理输入的自定义数据管道
-
🧠 上下文效率 - 处理复杂的 ML作，而不会充斥上下文窗口
-
🔌 无缝部署 - 与 OpenGradient 网络上已有的模型轻松集成
-
🔧 完全自定义 - 通过 OpenGradient SDK 创建和部署您自己的特定模型，然后从中构建自定义工具
-
🔐 可验证推理 - 所有推理都在去中心化的 OpenGradient 网络上运行，允许用户选择各种安全风格，例如 ZKML 和 TEE，以实现无需信任、可验证的模型执行
有关详细示例和实施指南，请查看我们的综合教程。