Py之fireworks-ai:fireworks-ai的简介、安装和使用方法、案例应用之详细攻略
目录
fireworks-ai的简介
fireworks-ai的安装和使用方法
1、安装
2、使用方法
# 使用Fireworks客户端库与某个预训练模型进行交互
fireworks-ai的案例应用
LLMs之Agent之Self-ask with Search:基于LangChain框架实现SawS Agent(自我提问并搜索)——初始化工具列表(TavilyAnswer)→创建SawS Agent(将llm【采用Fireworks】、tools、prompt【提示模板】打包给create_self_ask_with_search_agent+定义AgentExecutor)→测试SawS Agent(用户输入dict格式)
fireworks-ai的简介
fireworks-ai提供了一个方便的API来访问Fireworks支持的llm。我们的目标是让我们的API与OpenAI的API非常相似,这样你就可以用最少的修改来取代OpenAI的使用。
fireworks-ai的安装和使用方法
1、安装
pip install fireworks-ai
pip install -i https://mirrors.aliyun.com/pypi/simple fireworks-ai
2、使用方法
# 使用Fireworks客户端库与某个预训练模型进行交互
# 使用Fireworks客户端库与某个预训练模型进行交互
# 获取模型列表:设置 API 密钥,并调用 Models.list() 方法获取模型列表并打印出来
import fireworks.client
fireworks.client.api_key = "your-key"
print(fireworks.client.Models.list())
# 实现生成文本:利用Completion.create()方法生成文本,需要指定模型 ID、输入文本、温度、生成文本数量和最大令牌数。
import fireworks.client
completion = fireworks.client.Completion.create("accounts/fireworks/models/llama-v2-7b", "Once upon a time", temperature=0.1, n=2, max_tokens=16)
print(completion)
# 流式生成文本:,利用 Completion.create() 方法使用迭代方式遍历生成的文本
import fireworks.client
fireworks.client.api_key = "your-key"
for completion in fireworks.client.Completion.create(
"accounts/fireworks/models/llama-v2-7b",
prompt="Once upon a time",
temperature=0.1,
n=2,
max_tokens=16
):
print(completion)
# 异步生成文本:利用异步函数 main()和Completion.acreate() 方法异步生成文本完成
import asyncio
import fireworks.client
fireworks.client.api_key = "your-key"
async def main():
response = await fireworks.client.Completion.acreate("accounts/fireworks/models/llama-v2-7b", "Once upon a time", echo=True, max_tokens=16)
print(response.choices[0].text)
asyncio.run(main())
# 运行 Python 脚本
# python test.py
# Once upon a time, there used to be a huge mountain that was the most famous mou
# 聊天生成:调用 ChatCompletion.create() 方法生成聊天完成,需要指定模型 ID、消息列表、温度、生成文本数量和最大令牌数。
import fireworks.client
fireworks.client.api_key = "your-key"
completion = fireworks.client.ChatCompletion.create(
"accounts/fireworks/models/llama-v2-7b-chat",
messages=[{"role": "user", "content": "Hello there!"}],
temperature=0.7,
n=2,
max_tokens=16
)
print(completion)
fireworks-ai的案例应用
持续更新中……
LLMs之Agent之Self-ask with Search:基于LangChain框架实现SawS Agent(自我提问并搜索)——初始化工具列表(TavilyAnswer)→创建SawS Agent(将llm【采用Fireworks】、tools、prompt【提示模板】打包给create_self_ask_with_search_agent+定义AgentExecutor)→测试SawS Agent(用户输入dict格式)
https://yunyaniu.blog.csdn.net/article/details/137878420