ChatFireworks

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

本指南将帮助您开始使用 ChatFireworks 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。

概述

集成细节

类	包	本地	可序列化	PY 支持	包下载量	包最新版本
ChatFireworks	@langchain/community	❌	✅	✅

模型功能

请参阅下表标题中的链接，了解有关如何使用特定功能的指南。

工具调用	结构化输出	JSON 模式	图像输入	音频输入	视频输入	令牌级流式传输	令牌使用量	Logprobs
✅	✅	✅	❌	❌	❌	✅	✅	✅

设置

要访问 ChatFireworks 模型，您需要创建一个 Fireworks 帐户，获取 API 密钥，并安装 @langchain/community 集成包。

凭证

访问 Fireworks 网站 注册 Fireworks 并生成 API 密钥。 完成后，设置 FIREWORKS_API_KEY 环境变量

export FIREWORKS_API_KEY="your-api-key"

如果您想获得模型调用的自动追踪，您还可以通过取消注释以下内容来设置您的 LangSmith API 密钥

# export LANGSMITH_TRACING="true"
# export LANGSMITH_API_KEY="your-api-key"

安装

LangChain ChatFireworks 集成位于 @langchain/community 包中

提示

请参阅 此部分，了解有关安装集成包的通用说明。

npm

npm i @langchain/community @langchain/core

yarn

yarn add @langchain/community @langchain/core

pnpm

pnpm add @langchain/community @langchain/core

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

import { ChatFireworks } from "@langchain/community/chat_models/fireworks";

const llm = new ChatFireworks({
  model: "accounts/fireworks/models/llama-v3p1-70b-instruct",
  temperature: 0,
  maxTokens: undefined,
  timeout: undefined,
  maxRetries: 2,
  // other params...
});

调用

const aiMsg = await llm.invoke([
  [
    "system",
    "You are a helpful assistant that translates English to French. Translate the user sentence.",
  ],
  ["human", "I love programming."],
]);
aiMsg;

AIMessage {
  "id": "chatcmpl-9rBYHbb6QYRrKyr2tMhO9pH4AYXR4",
  "content": "J'adore la programmation.",
  "additional_kwargs": {},
  "response_metadata": {
    "tokenUsage": {
      "completionTokens": 8,
      "promptTokens": 31,
      "totalTokens": 39
    },
    "finish_reason": "stop"
  },
  "tool_calls": [],
  "invalid_tool_calls": [],
  "usage_metadata": {
    "input_tokens": 31,
    "output_tokens": 8,
    "total_tokens": 39
  }
}

console.log(aiMsg.content);

J'adore la programmation.

链式调用

我们可以像这样使用提示模板链式调用我们的模型

import { ChatPromptTemplate } from "@langchain/core/prompts";

const prompt = ChatPromptTemplate.fromMessages([
  [
    "system",
    "You are a helpful assistant that translates {input_language} to {output_language}.",
  ],
  ["human", "{input}"],
]);

const chain = prompt.pipe(llm);
await chain.invoke({
  input_language: "English",
  output_language: "German",
  input: "I love programming.",
});

AIMessage {
  "id": "chatcmpl-9rBYM3KSIhHOuTXpBvA5oFyk8RSaN",
  "content": "Ich liebe das Programmieren.",
  "additional_kwargs": {},
  "response_metadata": {
    "tokenUsage": {
      "completionTokens": 6,
      "promptTokens": 26,
      "totalTokens": 32
    },
    "finish_reason": "stop"
  },
  "tool_calls": [],
  "invalid_tool_calls": [],
  "usage_metadata": {
    "input_tokens": 26,
    "output_tokens": 6,
    "total_tokens": 32
  }
}

在幕后，Fireworks AI 使用 OpenAI SDK 和 OpenAI 兼容的 API，但有一些注意事项

• Fireworks API 不支持某些属性，请参阅 此处。
• 不支持使用多个提示进行生成。

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://api.js.langchain.com/classes/langchain_community_chat_models_fireworks.ChatFireworks.html

相关内容

• 聊天模型概念指南
• 聊天模型操作指南