cohere-librarian

此模板将 Cohere 转变为一个图书管理员。

它演示了如何使用路由器在能够处理不同事务的链之间切换：一个带有 Cohere 嵌入的向量数据库；一个包含有关图书馆信息的提示的聊天机器人；最后是一个可以访问互联网的 RAG 聊天机器人。

要获得更全面的书籍推荐演示，请考虑用以下数据集中的更大样本替换 books_with_blurbs.csv： https://www.kaggle.com/datasets/jdobrow/57000-books-with-metadata-and-blurbs/ 。

环境设置

设置 COHERE_API_KEY 环境变量以访问 Cohere 模型。

使用方法

要使用此包，您首先需要安装 LangChain CLI：

pip install -U langchain-cli

要创建一个新的 LangChain 项目并将其作为唯一包安装，您可以执行：

langchain app new my-app --package cohere-librarian

如果您想将其添加到现有项目中，只需运行：

langchain app add cohere-librarian

并将以下代码添加到您的 server.py 文件中：

from cohere_librarian.chain import chain as cohere_librarian_chain

add_routes(app, cohere_librarian_chain, path="/cohere-librarian")

（可选）现在让我们配置 LangSmith。 LangSmith 将帮助我们跟踪、监控和调试 LangChain 应用程序。 您可以在 这里 注册 LangSmith。 如果您没有访问权限，可以跳过此部分。

export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_API_KEY=<your-api-key>
export LANGCHAIN_PROJECT=<your-project>  # 如果未指定，默认为 "default"

如果您在此目录中，则可以直接通过以下命令启动 LangServe 实例：

langchain serve

这将启动 FastAPI 应用程序，服务器在本地运行于 http://localhost:8000

我们可以在 http://localhost:8000/docs 查看所有模板。 我们可以在 http://localhost:8000/cohere-librarian/playground 访问游乐场。

我们可以通过代码访问模板：

from langserve.client import RemoteRunnable

runnable = RemoteRunnable("http://localhost:8000/cohere-librarian")