Skip to main content
Cohere 是一家加拿大初创公司,提供自然语言处理模型,帮助企业改善人机交互。 这将帮助您开始使用 ChatCohere 聊天模型。有关所有 ChatCohere 功能和配置的详细文档,请访问 API 参考

概述

集成详情

模型功能

有关如何使用特定功能的指南,请参阅下表标题中的链接。

设置

要使用 LangChain.js Cohere 集成,您需要一个 API 密钥。 您可以 注册 Cohere 帐户并创建 API 密钥 您首先需要安装 @langchain/cohere 包。

凭证

前往 Cohere 网站 注册 Cohere 并生成 API 密钥。完成后,设置 COHERE_API_KEY 环境变量:
如果您想获得模型调用的自动跟踪,也可以取消注释以下内容来设置您的 LangSmith API 密钥:

安装

LangChain ChatCohere 集成位于 @langchain/cohere 包中:

实例化

现在我们可以实例化模型对象并生成聊天补全:

用于 Azure 上的 Cohere、AWS Bedrock 上的 Cohere 和独立 Cohere 实例的自定义客户端

我们可以实例化一个自定义的 CohereClient 并将其传递给 ChatCohere 构造函数。 注意: 如果提供了自定义客户端,构造函数中的 COHERE_API_KEY 环境变量和 apiKey 参数都将被忽略。

调用

RAG

Cohere 还开箱即用地支持 RAG。 您可以将文档作为上下文传递给 API 请求,Cohere 的模型将在生成响应时使用它们。

连接器

该 API 还允许其他非静态文档的连接。 一个例子是他们的 web-search 连接器,它允许您传递一个查询,API 将搜索网络以查找相关文档。 下面的示例演示了如何使用此功能。
我们可以在 additional_kwargs 对象中看到 API 请求执行了以下操作:
  • 执行了搜索查询,将结果数据存储在 searchQueriessearchResults 字段中。在 searchQueries 字段中,我们看到他们为了获得更好的结果而重新表述了我们的查询。
  • 根据搜索查询生成了三个文档。
  • 生成了一个引用列表
  • 基于上述操作和内容生成了最终响应。

API 参考

有关所有 ChatCohere 功能和配置的详细文档,请访问 API 参考