Friendli

Friendli 通过可扩展、高效的部署选项增强 AI 应用程序性能并优化成本节约，为高需求的 AI 工作负载量身定制。

本教程指导您使用 LangChain 集成 ChatFriendli 用于聊天应用程序。ChatFriendli 提供了一种灵活的方法来生成对话式 AI 响应，支持同步和异步调用。

安装

确保已安装 @langchain/community。

提示

查看此部分以获取有关安装集成包的常规说明.

npm

npm install @langchain/community

Yarn

yarn add @langchain/community

pnpm

pnpm add @langchain/community

登录到 Friendli 套件 创建个人访问令牌，并将其设置为 FRIENDLI_TOKEN 环境变量。您可以将团队 ID 设置为 FRIENDLI_TEAM 环境变量。

您可以通过选择要使用的模型来初始化 Friendli 聊天模型。默认模型为 meta-llama-3-8b-instruct。您可以在 docs.friendli.ai 查看可用模型。

使用

import { ChatFriendli } from "@langchain/community/chat_models/friendli";

const model = new ChatFriendli({
  model: "meta-llama-3-8b-instruct", // Default value
  friendliToken: process.env.FRIENDLI_TOKEN,
  friendliTeam: process.env.FRIENDLI_TEAM,
  maxTokens: 800,
  temperature: 0.9,
  topP: 0.9,
  frequencyPenalty: 0,
  stop: [],
});

const response = await model.invoke(
  "Draft a cover letter for a role in software engineering."
);

console.log(response.content);

/*
Dear [Hiring Manager],

I am excited to apply for the role of Software Engineer at [Company Name]. With my passion for innovation, creativity, and problem-solving, I am confident that I would be a valuable asset to your team.

As a highly motivated and detail-oriented individual, ...
*/

const stream = await model.stream(
  "Draft a cover letter for a role in software engineering."
);

for await (const chunk of stream) {
  console.log(chunk.content);
}

/*
D
ear
 [
H
iring
...
[
Your
 Name
]
*/

API 参考

• ChatFriendli 来自 @langchain/community/chat_models/friendli

相关

• 聊天模型 概念指南
• 聊天模型 操作指南