跳到主要内容
Friendli 通过可扩展、高效的部署选项,专为高需求 AI 工作负载量身定制,提升 AI 应用程序性能并优化成本节省。
本教程将指导您如何将 Friendli 与 LangChain 集成。

设置

请确保已安装 @langchain/community
有关安装 LangChain 软件包的一般说明,请参阅此部分
npm
npm install @langchain/community @langchain/core
登录 Friendli Suite 以创建个人访问令牌,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 mixtral-8x7b-instruct-v0-1。您可以在 docs.friendli.ai 查看可用模型。

用法

import { Friendli } from "@langchain/community/llms/friendli";

const model = new Friendli({
  model: "mixtral-8x7b-instruct-v0-1", // Default value
  friendliToken: process.env.FRIENDLI_TOKEN,
  friendliTeam: process.env.FRIENDLI_TEAM,
  maxTokens: 18,
  temperature: 0.75,
  topP: 0.25,
  frequencyPenalty: 0,
  stop: [],
});

const response = await model.invoke(
  "Check the Grammar: She dont like to eat vegetables, but she loves fruits."
);

console.log(response);

/*
Correct: She doesn't like to eat vegetables, but she loves fruits
*/

const stream = await model.stream(
  "Check the Grammar: She dont like to eat vegetables, but she loves fruits."
);

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

/*
Cor
rect
:
 She
 doesn
...
she
 loves
 fruits
*/

以编程方式连接这些文档到 Claude、VSCode 等,通过 MCP 获取实时答案。
© . This site is unofficial and not affiliated with LangChain, Inc.