Runpod

RunPod 提供 GPU 云基础设施，包括为部署和扩展 AI 模型而优化的无服务器终端节点。

本指南介绍如何使用langchain-runpod集成包将 LangChain 应用程序连接到 RunPod Serverless 上托管的模型。

该集成为标准语言模型 （LLM） 和聊天模型提供接口。

安装

安装专用合作伙伴包：

%pip install -qU langchain-runpod

设置

1. 在 RunPod 上部署端点

• 导航到您的 RunPod Serverless 控制台。
• 创建一个“新端点”，选择与您的模型和预期的输入/输出格式兼容的适当 GPU 和模板（例如，vLLM、TGI、text-generation-webui）（请参阅组件指南或包 README）。
• 配置设置并部署。
• 至关重要的是，在部署后复制 Endpoint ID。

2. 设置 API 凭证

集成需要您的 RunPod API 密钥和端点 ID。将它们设置为环境变量以实现安全访问：

import getpass
import os

os.environ["RUNPOD_API_KEY"] = getpass.getpass("Enter your RunPod API Key: ")
os.environ["RUNPOD_ENDPOINT_ID"] = input("Enter your RunPod Endpoint ID: ")

（可选）如果对 LLM 和 Chat 模型使用不同的终端节点，则可能需要将RUNPOD_CHAT_ENDPOINT_ID或在初始化时直接传递 ID。

组件

此软件包提供两个主要组件：

1. LLM

用于与标准文本完成模型交互。

详细使用方法请参阅 RunPod LLM 集成指南

from langchain_runpod import RunPod

# Example initialization (uses environment variables)
llm = RunPod(model_kwargs={"max_new_tokens": 100})  # Add generation params here

# Example Invocation
try:
    response = llm.invoke("Write a short poem about the cloud.")
    print(response)
except Exception as e:
    print(
        f"Error invoking LLM: {e}. Ensure endpoint ID and API key are correct and endpoint is active."
    )

2. 聊天模型

用于与对话模型交互。

请参阅 RunPod Chat 模型集成指南，了解详细的使用和功能支持。

from langchain_core.messages import HumanMessage
from langchain_runpod import ChatRunPod

# Example initialization (uses environment variables)
chat = ChatRunPod(model_kwargs={"temperature": 0.8})  # Add generation params here

# Example Invocation
try:
    response = chat.invoke(
        [HumanMessage(content="Explain RunPod Serverless in one sentence.")]
    )
    print(response.content)
except Exception as e:
    print(
        f"Error invoking Chat Model: {e}. Ensure endpoint ID and API key are correct and endpoint is active."
    )

API 参考：HumanMessage