ChatFireworks

此文档帮助您开始使用 Fireworks AI 聊天模型。有关所有 ChatFireworks 功能和配置的详细文档，请访问 API 参考。

Fireworks AI 是一个 AI 推理平台，用于运行和自定义模型。有关 Fireworks 提供的所有模型的列表，请参阅 Fireworks 文档。

概述

集成详情

类	包	本地	可序列化	JS 支持	包下载	包最新
ChatFireworks	langchain-fireworks	❌	测试版	✅

模型功能

工具调用	结构化输出	JSON 模式	图像输入	音频输入	视频输入	令牌级流	原生异步	令牌使用	Logprobs
✅	✅	✅	❌	❌	❌	✅	✅	✅	✅

设置

要访问 Fireworks 模型，您需要创建一个 Fireworks 帐户，获取 API 密钥，并安装 langchain-fireworks 集成包。

凭据

前往 (ttps://fireworks.ai/login 注册 Fireworks 并生成 API 密钥。完成此操作后，设置 FIREWORKS_API_KEY 环境变量

import getpass
import os

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

如果您想自动跟踪您的模型调用，您也可以通过取消下面的注释来设置您的 LangSmith API 密钥

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

安装

LangChain Fireworks 集成位于 langchain-fireworks 包中

%pip install -qU langchain-fireworks

实例化

现在我们可以实例化我们的模型对象并生成聊天完成

• 待办事项：使用相关参数更新模型实例化。

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 参考：ChatFireworks

调用

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.

链接

我们可以将我们的模型与提示模板链接起来，如下所示 链接

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 参考：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 参考

有关所有 ChatFireworks 功能和配置的详细文档，请访问 API 参考：https://python.langchain.ac.cn/api_reference/fireworks/chat_models/langchain_fireworks.chat_models.ChatFireworks.html

相关

• 聊天模型 概念指南
• 聊天模型 操作指南