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的 LLM 组件。

Solar Pro 是一款为单 GPU 部署优化的企业级 LLM，擅长遵循指令和处理 HTML 和 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、医疗保健和法律等领域提供专业知识。

除了 Solar 之外，Upstage 还提供用于实际 RAG（检索增强生成）的功能，例如文档解析和依据性检查。

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	Go
文本嵌入	将字符串嵌入到向量中	from langchain_upstage import UpstageEmbeddings	Go
依据性检查	验证助手响应的依据性	from langchain_upstage import UpstageGroundednessCheck	Go
文档解析	序列化包含表格和图形的文档	from langchain_upstage import UpstageDocumentParseLoader	Go

有关模型和功能的更多详细信息，请参阅文档。

安装和设置

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)

API 参考：UpstageDocumentParseLoader

工具

依据性检查

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)

API 参考：UpstageGroundednessCheck