Skip to main content
Databricks Lakehouse 平台将数据、分析和 AI 统一在一个平台上。
本指南提供了快速入门 Databricks LLM 模型的概览。有关所有功能和配置的详细文档,请参阅 API 参考

概述

Databricks LLM 类封装了一个托管为以下两种端点类型之一的补全端点:
  • Databricks 模型服务,推荐用于生产和开发,
  • 集群驱动程序代理应用,推荐用于交互式开发。
此示例笔记本展示了如何封装您的 LLM 端点并将其用作 LangChain 应用程序中的 LLM。

限制

Databricks LLM 类是遗留实现,在功能兼容性方面存在一些限制。
  • 仅支持同步调用。不支持流式或异步 API。
  • 不支持 batch API。
要使用这些功能,请改用新的 ChatDatabricks 类。ChatDatabricks 支持 ChatModel 的所有 API,包括流式、异步、批处理等。

设置

要访问 Databricks 模型,您需要创建一个 Databricks 帐户、设置凭据(仅当您在 Databricks 工作区之外时),并安装所需的包。

凭据(仅当您在 Databricks 之外时)

如果您在 Databricks 内部运行 LangChain 应用程序,可以跳过此步骤。 否则,您需要手动将 Databricks 工作区主机名和个人访问令牌分别设置为 DATABRICKS_HOSTDATABRICKS_TOKEN 环境变量。有关如何获取访问令牌,请参阅身份验证文档
或者,您可以在初始化 Databricks 类时传递这些参数。

安装

LangChain Databricks 集成位于 langchain-community 包中。此外,运行此笔记本中的代码需要 mlflow >= 2.9

封装模型服务端点

先决条件

预期的 MLflow 模型签名是:
  • 输入:[{"name": "prompt", "type": "string"}, {"name": "stop", "type": "list[string]"}]
  • 输出:[{"type": "string"}]

调用

转换输入和输出

有时您可能想要封装一个模型签名不兼容的服务端点,或者您想要插入额外的配置。您可以使用 transform_input_fntransform_output_fn 参数来定义额外的预处理/后处理。