跳到主要内容
Open In ColabOpen on GitHub

Upstage

Upstage 是一家领先的人工智能（AI）公司，专注于提供超越人类水平性能的 LLM 组件。

Solar Pro 是一款企业级 LLM，经过优化可在单 GPU 部署，擅长指令遵循和处理 HTML、Markdown 等结构化格式。它支持英语、韩语和日语，具有顶级的多语言性能，并在金融、医疗保健和法律领域提供专业知识。

除了 Solar，Upstage 还为实际的 RAG（检索增强生成）提供功能，例如文档解析（Document Parse）和基础性检查（Groundedness Check）。

Upstage LangChain 集成​

API描述导入使用示例
聊天使用 Solar Chat 构建助手from langchain_upstage import ChatUpstage前往
文本嵌入将字符串嵌入向量from langchain_upstage import UpstageEmbeddings前往
基础性检查验证助手回复的基础性from langchain_upstage import UpstageGroundednessCheck前往
文档解析序列化包含表格和图示的文档from langchain_upstage import UpstageDocumentParseLoader前往

有关模型和功能的更多详细信息，请参阅文档。

安装与设置​

安装 langchain-upstage 包

pip install -qU langchain-core langchain-upstage

获取API 密钥并设置环境变量 UPSTAGE_API_KEY。

import os

os.environ["UPSTAGE_API_KEY"] = "YOUR_API_KEY"

聊天模型​

Solar LLM​

请参阅使用示例。

from langchain_upstage import ChatUpstage

chat = ChatUpstage()
response = chat.invoke("Hello, how are you?")
print(response)
API 参考：ChatUpstage

嵌入模型​

请参阅使用示例。

from langchain_upstage import UpstageEmbeddings

embeddings = UpstageEmbeddings(model="solar-embedding-1-large")
doc_result = embeddings.embed_documents(
    ["Sung is a professor.", "This is another document"]
)
print(doc_result)

query_result = embeddings.embed_query("What does Sung do?")
print(query_result)
API 参考：UpstageEmbeddings

文档加载器​

文档解析​

请参阅使用示例。

from langchain_upstage import UpstageDocumentParseLoader

file_path = "/PATH/TO/YOUR/FILE.pdf"
layzer = UpstageDocumentParseLoader(file_path, split="page")

# For improved memory efficiency, consider using the lazy_load method to load documents page by page.
docs = layzer.load()  # or layzer.lazy_load()

for doc in docs[:3]:
    print(doc)

工具​

基础性检查​

请参阅使用示例。

from langchain_upstage import UpstageGroundednessCheck

groundedness_check = UpstageGroundednessCheck()

request_input = {
    "context": "Mauna Kea is an inactive volcano on the island of Hawaii. Its peak is 4,207.3 m above sea level, making it the highest point in Hawaii and second-highest peak of an island on Earth.",
    "answer": "Mauna Kea is 5,207.3 meters tall.",
}
response = groundedness_check.invoke(request_input)
print(response)