ChatTogether
本頁將協助您開始使用 Together AI 的 聊天模型。如需所有 ChatTogether 功能和配置的詳細文件，請前往 API 參考。
Together AI 提供 API 來查詢 50 多個領先的開源模型。
概觀 (Overview)
整合細節 (Integration details)
| 類別 (Class) | 套件 (Package) | 本地 (Local) | 可序列化 (Serializable) | JS 支援 (JS support) | 套件下載 (Package downloads) | 套件最新版 (Package latest) |
|---|---|---|---|---|---|---|
| ChatTogether | langchain-together | ❌ | beta | ✅ |  |  |
模型功能 (Model features)
| 工具呼叫 (Tool calling) | 結構化輸出 (Structured output) | JSON 模式 (JSON mode) | 圖片輸入 (Image input) | 音訊輸入 (Audio input) | 影片輸入 (Video input) | Token 等級串流 (Token-level streaming) | 原生非同步 (Native async) | Token 使用量 (Token usage) | Logprobs |
|---|---|---|---|---|---|---|---|---|---|
| ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ❌ | ✅ | ✅ |
設定 (Setup)
若要存取 Together 模型，您需要建立一個 Together 帳戶、取得 API 金鑰，並安裝 langchain-together 整合套件。
憑證 (Credentials)
前往 此頁面 註冊 Together 並產生 API 金鑰。 完成後，設定 TOGETHER_API_KEY 環境變數。
import getpass
import os
if "TOGETHER_API_KEY" not in os.environ:
os.environ["TOGETHER_API_KEY"] = getpass.getpass("Enter your Together API key: ")
如果您想要取得模型呼叫的自動追蹤，您也可以取消註解以下內容來設定您的 LangSmith API 金鑰
# os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")
# os.environ["LANGSMITH_TRACING"] = "true"
安裝 (Installation)
LangChain Together 整合位於 langchain-together 套件中。
%pip install -qU langchain-together
實例化 (Instantiation)
現在我們可以實例化我們的模型物件並產生聊天完成。
from langchain_together import ChatTogether
llm = ChatTogether(
model="meta-llama/Llama-3-70b-chat-hf",
temperature=0,
max_tokens=None,
timeout=None,
max_retries=2,
# other params...
)
API 參考：ChatTogether
呼叫 (Invocation)
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': {'completion_tokens': 9, 'prompt_tokens': 35, 'total_tokens': 44}, 'model_name': 'meta-llama/Llama-3-70b-chat-hf', 'system_fingerprint': None, 'finish_reason': 'stop', 'logprobs': None}, id='run-eabcbe33-cdd8-45b8-ab0b-f90b6e7dfad8-0', usage_metadata={'input_tokens': 35, 'output_tokens': 9, 'total_tokens': 44})
print(ai_msg.content)
J'adore la programmation.
鏈結 (Chaining)
我們可以像這樣使用提示範本來鏈結我們的模型。
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：ChatPromptTemplate
AIMessage(content='Ich liebe das Programmieren.', response_metadata={'token_usage': {'completion_tokens': 7, 'prompt_tokens': 30, 'total_tokens': 37}, 'model_name': 'meta-llama/Llama-3-70b-chat-hf', 'system_fingerprint': None, 'finish_reason': 'stop', 'logprobs': None}, id='run-a249aa24-ee31-46ba-9bf9-f4eb135b0a95-0', usage_metadata={'input_tokens': 30, 'output_tokens': 7, 'total_tokens': 37})
API 參考 (API reference)
如需所有 ChatTogether 功能和配置的詳細文件，請前往 API 參考：https://langchain-python.dev.org.tw/api_reference/together/chat_models/langchain_together.chat_models.ChatTogether.html