ChatFireworks

本文件協助您開始使用 Fireworks AI 聊天模型。如需 ChatFireworks 所有功能和設定的詳細文件，請參閱 API 參考文件。

Fireworks AI 是一個 AI 推論平台，用於執行和自訂模型。如需 Fireworks 提供的所有模型列表，請參閱 Fireworks 文件。

概觀

整合詳細資訊

類別	套件	本地	可序列化	JS 支援	套件下載次數	套件最新版本
ChatFireworks	langchain-fireworks	❌	beta	✅

模型功能

工具呼叫	結構化輸出	JSON 模式	圖片輸入	音訊輸入	影片輸入	Token 層級串流	原生非同步	Token 使用量	Logprobs
✅	✅	✅	❌	❌	❌	✅	✅	✅	✅

設定

若要存取 Fireworks 模型，您需要建立一個 Fireworks 帳戶、取得 API 金鑰，並安裝 langchain-fireworks 整合套件。

憑證

前往 (ttps://fireworks.ai/login 註冊 Fireworks 並產生 API 金鑰。完成後，設定 FIREWORKS_API_KEY 環境變數

import getpass
import os

if "FIREWORKS_API_KEY" not in os.environ:
    os.environ["FIREWORKS_API_KEY"] = getpass.getpass("Enter your Fireworks API key: ")

如果您想要取得模型呼叫的自動追蹤，您也可以取消註解下方內容來設定您的 LangSmith API 金鑰

# os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")
# os.environ["LANGSMITH_TRACING"] = "true"

安裝

LangChain Fireworks 整合位於 langchain-fireworks 套件中

%pip install -qU langchain-fireworks

實例化

現在我們可以實例化我們的模型物件並產生聊天完成

• 待辦事項：使用相關參數更新模型實例化。

from langchain_fireworks import ChatFireworks

llm = ChatFireworks(
    model="accounts/fireworks/models/llama-v3-70b-instruct",
    temperature=0,
    max_tokens=None,
    timeout=None,
    max_retries=2,
    # other params...
)

API 參考文件：ChatFireworks

調用

messages = [
    (
        "system",
        "You are a helpful assistant that translates English to French. Translate the user sentence.",
    ),
    ("human", "I love programming."),
]
ai_msg = llm.invoke(messages)
ai_msg

AIMessage(content="J'adore la programmation.", response_metadata={'token_usage': {'prompt_tokens': 35, 'total_tokens': 44, 'completion_tokens': 9}, 'model_name': 'accounts/fireworks/models/llama-v3-70b-instruct', 'system_fingerprint': '', 'finish_reason': 'stop', 'logprobs': None}, id='run-df28e69a-ff30-457e-a743-06eb14d01cb0-0', usage_metadata={'input_tokens': 35, 'output_tokens': 9, 'total_tokens': 44})

print(ai_msg.content)

J'adore la programmation.

串鏈

我們可以像這樣使用提示範本串鏈我們的模型

from langchain_core.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate.from_messages(
    [
        (
            "system",
            "You are a helpful assistant that translates {input_language} to {output_language}.",
        ),
        ("human", "{input}"),
    ]
)

chain = prompt | llm
chain.invoke(
    {
        "input_language": "English",
        "output_language": "German",
        "input": "I love programming.",
    }
)

API 參考文件：ChatPromptTemplate

AIMessage(content='Ich liebe das Programmieren.', response_metadata={'token_usage': {'prompt_tokens': 30, 'total_tokens': 37, 'completion_tokens': 7}, 'model_name': 'accounts/fireworks/models/llama-v3-70b-instruct', 'system_fingerprint': '', 'finish_reason': 'stop', 'logprobs': None}, id='run-ff3f91ad-ed81-4acf-9f59-7490dc8d8f48-0', usage_metadata={'input_tokens': 30, 'output_tokens': 7, 'total_tokens': 37})

API 參考文件

如需 ChatFireworks 所有功能和設定的詳細文件，請參閱 API 參考文件： https://langchain-python.dev.org.tw/api_reference/fireworks/chat_models/langchain_fireworks.chat_models.ChatFireworks.html

相關

• 聊天模型 概念指南
• 聊天模型 操作指南