百度千帆

百度AI云千帆平台是一个为企业开发者提供一站式大型模型开发和服务运营的平台。千帆不仅提供文心译言（ERNIE-Bot）模型和第三方开源模型，还提供各种人工智能开发工具和完整的开发环境，方便客户轻松使用和开发大型模型应用。

基本上，这些模型被分为以下类型：

• 嵌入（Embedding）

• 对话（Chat）

• 完形填空（Completion）

在本笔记本中，我们将介绍如何在 千帆 中主要使用 嵌入 对应的 langchain/embeddings 包来使用 langchain：

API 初始化

要使用基于百度千帆的LLM服务，您必须初始化这些参数：

您可以选择在环境变量中初始化AK、SK，也可以初始化参数：

export QIANFAN_AK=XXX
export QIANFAN_SK=XXX

"""用于基本初始化和调用"""
import os
from langchain_community.embeddings import QianfanEmbeddingsEndpoint
os.environ["QIANFAN_AK"] = "your_ak"
os.environ["QIANFAN_SK"] = "your_sk"
embed = QianfanEmbeddingsEndpoint(
    # qianfan_ak='xxx',
    # qianfan_sk='xxx'
)
res = embed.embed_documents(["hi", "world"])
async def aioEmbed():
    res = await embed.aembed_query("qianfan")
    print(res[:8])
await aioEmbed()
async def aioEmbedDocs():
    res = await embed.aembed_documents(["hi", "world"])
    for r in res:
        print("", r[:8])
await aioEmbedDocs()

[INFO] [09-15 20:01:35] logging.py:55 [t:140292313159488]: trying to refresh access_token
[INFO] [09-15 20:01:35] logging.py:55 [t:140292313159488]: successfully refresh access_token
[INFO] [09-15 20:01:35] logging.py:55 [t:140292313159488]: requesting llm api endpoint: /embeddings/embedding-v1
[INFO] [09-15 20:01:35] logging.py:55 [t:140292313159488]: async requesting llm api endpoint: /embeddings/embedding-v1
[INFO] [09-15 20:01:35] logging.py:55 [t:140292313159488]: async requesting llm api endpoint: /embeddings/embedding-v1
``````output
[-0.03313107788562775, 0.052325375378131866, 0.04951248690485954, 0.0077608139254152775, -0.05907672271132469, -0.010798933915793896, 0.03741293027997017, 0.013969100080430508]
 [0.0427522286772728, -0.030367236584424973, -0.14847028255462646, 0.055074431002140045, -0.04177454113960266, -0.059512972831726074, -0.043774791061878204, 0.0028191760648041964]
 [0.03803155943751335, -0.013231384567916393, 0.0032379645854234695, 0.015074018388986588, -0.006529552862048149, -0.13813287019729614, 0.03297128155827522, 0.044519297778606415]

在千帆中使用不同的模型

如果您想要部署基于Ernie Bot或第三方开源模型的自定义模型，您可以按照以下步骤进行：

• 1. （可选，如果模型已包含在默认模型中，则跳过此步骤）在千帆控制台中部署您的模型，获取您自己定制的部署端点。
• 2. 在初始化中设置名为 endpoint 的字段：

embed = QianfanEmbeddingsEndpoint(model="bge_large_zh", endpoint="bge_large_zh")
res = embed.embed_documents(["hi", "world"])
for r in res:
    print(r[:8])

[INFO] [09-15 20:01:40] logging.py:55 [t:140292313159488]: requesting llm api endpoint: /embeddings/bge_large_zh
``````output
[-0.0001582596160005778, -0.025089964270591736, -0.03997539356350899, 0.013156415894627571, 0.000135212714667432, 0.012428865768015385, 0.016216561198234558, -0.04126659780740738]
[0.0019113451708108187, -0.008625439368188381, -0.0531032420694828, -0.0018436014652252197, -0.01818147301673889, 0.010310115292668343, -0.008867680095136166, -0.021067561581730843]