Upstage

Upstage 是一家领先的人工智能（AI）公司，专门致力于提供高于人类水平的LLM组件。

Solar LLM

Solar Mini Chat 是一个快速而强大的先进大型语言模型，专注于英语和韩语。它经过特别调整，用于多轮对话目的，显示出在多轮对话或需要理解长篇上下文（如RAG（检索增强生成））等各种自然语言处理任务中，与其他类似规模的模型相比表现出色。这种特别调整使其能够更有效地处理更长的对话，使其特别适用于交互式应用程序。 除了Solar之外，Upstage还提供了用于真实世界的RAG（检索增强生成）的功能，例如Groundedness Check和Layout Analysis。

安装和设置

安装 langchain-upstage 包：

pip install -qU langchain-core langchain-upstage

获取API密钥并设置环境变量 UPSTAGE_API_KEY。

Upstage LangChain 集成

API	描述	导入	示例用法
Chat	使用Solar Mini Chat构建助手	from langchain_upstage import ChatUpstage	前往
文本嵌入	将字符串嵌入向量	from langchain_upstage import UpstageEmbeddings	前往
Groundedness Check	验证助手回应的基础性	from langchain_upstage import UpstageGroundednessCheck	前往
Layout Analysis	序列化带有表格和图表的文档	from langchain_upstage import UpstageLayoutAnalysisLoader	前往

更多功能的详细信息，请参阅文档。

快速示例

环境设置

import os
os.environ["UPSTAGE_API_KEY"] = "YOUR_API_KEY"

对话

from langchain_upstage import ChatUpstage
chat = ChatUpstage()
response = chat.invoke("你好，你好吗？")
print(response)

文本嵌入

from langchain_upstage import UpstageEmbeddings
embeddings = UpstageEmbeddings()
doc_result = embeddings.embed_documents(
    ["山姆是一名老师。", "这是另一个文档"]
)
print(doc_result)
query_result = embeddings.embed_query("山姆做什么？")
print(query_result)

Groundedness Check

from langchain_upstage import UpstageGroundednessCheck
groundedness_check = UpstageGroundednessCheck()
request_input = {
    "context": "毛纳凯山是夏威夷岛上的一座死火山。它的山顶海拔4207.3米，是夏威夷的最高点，也是地球上岛屿的第二高峰。",
    "answer": "毛纳凯山高5207.3米。",
}
response = groundedness_check.invoke(request_input)
print(response)

布局分析

from langchain_upstage import UpstageLayoutAnalysisLoader
file_path = "/文件路径/到/你的/文件.pdf"
layzer = UpstageLayoutAnalysisLoader(file_path, split="page")
# 为了提高内存效率，考虑使用lazy_load方法逐页加载文档。
docs = layzer.load()  # or layzer.lazy_load()
for doc in docs[:3]:
    print(doc)