Clarifai
Clarifai 是最早的深度学习平台之一，成立于 2013 年。Clarifai 提供了一个人工智能平台，涵盖数据探索、数据标注、模型训练、评估和推理的完整人工智能生命周期，支持图像、视频、文本和音频数据。在 LangChain 生态系统中，据我们所知，Clarifai 是唯一一家在同一个生产规模平台上支持 LLM、嵌入和向量存储的提供商，这使其成为您 LangChain 实现投入运营的绝佳选择。
Clarifai为许多不同的用例提供了数千种 AI 模型。您可以在此处探索它们，找到最适合您用例的模型。这些模型包括由 OpenAI、Anthropic、Cohere、AI21 等其他提供商创建的模型，以及来自 Falcon、InstructorXL 等开源的先进模型，以便您将最优秀的人工智能融入您的产品。您会发现这些模型按创建者的 user_id 组织，并归类到我们称为应用程序的项目中，由其 app_id 标识。除了 model_id 和可选的 version_id 之外，还需要这些 ID，因此一旦找到最适合您用例的模型，请记下所有这些 ID！另请注意，鉴于有许多用于图像、视频、文本和音频理解的模型，您可以构建一些有趣的人工智能代理，它们利用各种人工智能模型作为专家来理解这些数据类型。
安装与设置
- 安装 Python SDK
pip install clarifai
注册 Clarifai 帐户，然后从您的安全设置中获取个人访问令牌以访问 Clarifai API，并将其设置为环境变量 (CLARIFAI_PAT)。
LLM
要在 Clarifai 平台上查找 LLM 的选择，您可以在此处选择文本到文本模型类型。
from langchain_community.llms import Clarifai
llm = Clarifai(pat=CLARIFAI_PAT, user_id=USER_ID, app_id=APP_ID, model_id=MODEL_ID)
有关更多详细信息，Clarifai LLM 包装器的文档提供了详细的演练。
嵌入模型
要在 Clarifai 平台上查找嵌入模型的选择，您可以在此处选择文本到嵌入模型类型。
LangChain 中有一个 Clarifai Embedding 模型，您可以通过以下方式访问：
from langchain_community.embeddings import ClarifaiEmbeddings
embeddings = ClarifaiEmbeddings(pat=CLARIFAI_PAT, user_id=USER_ID, app_id=APP_ID, model_id=MODEL_ID)
查看使用示例。
向量存储
Clarifai 的向量数据库于 2016 年推出，并已优化以支持实时搜索查询。通过 Clarifai 平台中的工作流，您的数据将由嵌入模型自动索引，并可选地由其他模型索引，以将该信息存储在数据库中进行搜索。您不仅可以通过向量查询数据库，还可以通过元数据匹配、其他人工智能预测概念进行过滤，甚至可以进行地理坐标搜索。只需创建一个应用程序，选择适合您数据类型的基本工作流，然后上传数据（通过此处文档中所示的 API 或 clarifai.com 上的 UI）。
您也可以直接从 LangChain 添加数据，自动索引将为您完成。您会注意到这与其他向量存储有点不同，其他向量存储需要在其构造函数中提供一个嵌入模型，并让 LangChain 协调从文本中获取嵌入并将其写入索引。这不仅更方便，而且使用 Clarifai 的分布式云在后台进行所有索引也更具可扩展性。
from langchain_community.vectorstores import Clarifai
clarifai_vector_db = Clarifai.from_texts(user_id=USER_ID, app_id=APP_ID, texts=texts, pat=CLARIFAI_PAT, number_of_docs=NUMBER_OF_DOCS, metadatas = metadatas)
有关更多详细信息，Clarifai 向量存储的文档提供了详细的演练。