Cohere

caution

您当前所在的页面记录了使用Cohere模型作为文本完成模型的情况。许多流行的Cohere模型是聊天完成模型。

你可能在寻找这个页面。

Cohere 是一家加拿大初创公司，提供自然语言处理模型，帮助企业改善人机交互。

前往API参考以获取所有属性和方法的详细文档。

概述

类	包	本地	可序列化	JS支持	包下载量	包最新版本
Cohere	langchain_community	❌	beta	✅

集成位于langchain-community包中。我们还需要安装cohere包本身。我们可以通过以下方式安装这些包：

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

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以获得最佳的观察性也是有益的（但不是必需的）

# os.environ["LANGCHAIN_TRACING_V2"] = "true"
# os.environ["LANGCHAIN_API_KEY"] = getpass.getpass()

Cohere 支持所有 LLM 功能：

from langchain_cohere import Cohere
from langchain_core.messages import HumanMessage

API Reference: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?"]

您还可以轻松地与提示模板结合，以便轻松构建用户输入。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 Reference: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? '