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 组件性能。

Solar LLM

Solar Mini Chat 是一个快速而强大的高级大型语言模型，专注于英语和韩语。它经过特别调优，旨在多轮对话场景中表现出色，显示出在各种自然语言处理任务中的增强性能，如多轮对话或需要理解长上下文的任务，例如 RAG（检索增强生成），与其他相似规模的模型相比。这样的调优使其能够更有效地处理更长的对话，特别适合互动应用。

除了 Solar，Upstage 还提供现实世界 RAG（检索增强生成）的功能，如 Groundedness Check 和 Layout Analysis。

安装与设置

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。

Upstage LangChain 集成

API	描述	导入	示例用法
Chat	使用 Solar Mini Chat 构建助手	from langchain_upstage import ChatUpstage	Go
Text Embedding	将字符串嵌入为向量	from langchain_upstage import UpstageEmbeddings	Go
Groundedness Check	验证助手响应的基础性	from langchain_upstage import UpstageGroundednessCheck	Go
Layout Analysis	序列化包含表格和图形的文档	from langchain_upstage import UpstageLayoutAnalysisLoader	Go

有关功能的更多详细信息，请参见 文档。

快速示例

环境设置

import os

os.environ["UPSTAGE_API_KEY"] = "YOUR_API_KEY"

聊天

from langchain_upstage import ChatUpstage

chat = ChatUpstage()
response = chat.invoke("Hello, how are you?")
print(response)

文本嵌入

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)

可靠性检查

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)

布局分析

from langchain_upstage import UpstageLayoutAnalysisLoader

file_path = "/PATH/TO/YOUR/FILE.pdf"
layzer = UpstageLayoutAnalysisLoader(file_path, split="page")

# 为了提高内存效率，考虑使用 lazy_load 方法逐页加载文档。
docs = layzer.load()  # 或 layzer.lazy_load()

for doc in docs[:3]:
    print(doc)