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 AI 平台，拥有完整的 AI 生命周期，用于围绕图像、视频、文本和音频数据进行数据探索、数据标注、模型训练、评估和推理。在 LangChain 生态系统中，据我们所知，Clarifai 是唯一在一个生产规模平台上支持 LLM、嵌入和向量数据库的提供商，这使其成为运营 LangChain 实现的绝佳选择。
Clarifai提供了数千个 AI 模型，适用于许多不同的用例。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 等开源的最先进技术，以便您将最佳 AI 构建到您的产品中。您会发现这些模型按创建者的 user_id 组织，并分为我们称之为应用程序的项目，用 app_id 表示。除了 model_id 和可选的 version_id 之外，还需要这些 ID，因此在找到最适合您用例的模型后，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 AI 代理，利用各种 AI 模型作为专家来理解这些数据类型。
安装和设置
- 安装 Python SDK
pip install clarifai
注册 一个 Clarifai 账户，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)。
LLMs (大语言模型)
要查找 Clarifai 平台中 LLMs 的选择，您可以在这里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，关于 Clarifai LLM 封装器的文档提供了一个详细的演练。
嵌入模型
要查找 Clarifai 平台中嵌入模型的选择，您可以在这里选择文本到嵌入模型类型。
LangChain 中有一个 Clarifai 嵌入模型，您可以通过以下方式访问它
from langchain_community.embeddings import ClarifaiEmbeddings
embeddings = ClarifaiEmbeddings(pat=CLARIFAI_PAT, user_id=USER_ID, app_id=APP_ID, model_id=MODEL_ID)
请参阅使用示例。
向量数据库
Clarifai 的向量数据库于 2016 年推出，并经过优化以支持实时搜索查询。通过 Clarifai 平台中的工作流程，您的数据将由嵌入模型自动索引，并且可以选择使用其他模型来索引数据库中的信息以进行搜索。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 AI 预测的概念进行过滤，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程，然后上传它（通过 API，如此处文档所示，或通过 clarifai.com 上的 UI）。
您还可以直接从 LangChain 添加数据，自动索引将为您进行。您会注意到这与其他向量数据库略有不同，在其他向量数据库中，您需要在其构造函数中提供嵌入模型，并让 LangChain 协调从文本中获取嵌入并将它们写入索引。使用 Clarifai 的分布式云在后台完成所有索引不仅更方便，而且更具可扩展性。
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，关于 Clarifai 向量数据库的文档提供了一个详细的演练。