Cohere

注意

您当前所在的页面记录了将 Cohere 模型用作文本补全模型的使用方法。许多流行的 Cohere 模型是聊天补全模型。

您可能想查找的是这个页面。

Cohere is a Canadian startup that provides natural language processing models that help companies improve human-machine interactions.

前往API参考以获取所有属性和方法的详细文档。

概览

类	包	本地	可序列化的	JS 支持	软件包下载	最新包裹
Cohere	langchain_community	❌	beta	✅

集成位于 langchain-community 包中。我们还需要安装 cohere 包本身。我们可以使用以下命令安装这些包：

我们需要获取一个 Cohere API 密钥并设置环境变量 COHERE_API_KEY：

import getpass
import os

if "COHERE_API_KEY" not in os.environ:
    os.environ["COHERE_API_KEY"] = getpass.getpass()

pip install -U langchain-community langchain-cohere

设置LangSmith 以获得一流的可观测性也很有帮助（但不是必需的）。

# os.environ["LANGSMITH_TRACING"] = "true"
# os.environ["LANGSMITH_API_KEY"] = getpass.getpass()

Cohere 支持所有 LLM 功能：

from langchain_cohere import Cohere
from langchain_core.messages import HumanMessage

API 参考：HumanMessage

model = Cohere(max_tokens=256, temperature=0.75)

message = "Knock knock"
model.invoke(message)

" Who's there?"

await model.ainvoke(message)

" Who's there?"

for chunk in model.stream(message):
    print(chunk, end="", flush=True)

 Who's there?

model.batch([message])

[" Who's there?"]

您还可以轻松地将其与提示模板结合，以方便构建用户输入的结构。我们可以使用 LCEL 来实现这一点。

from langchain_core.prompts import PromptTemplate

prompt = PromptTemplate.from_template("Tell me a joke about {topic}")
chain = prompt | model

API 参考：PromptTemplate

chain.invoke({"topic": "bears"})

' Why did the teddy bear cross the road?\nBecause he had bear crossings.\n\nWould you like to hear another joke? '