Skip to main content
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。 Solar Pro 是一款经过优化、适合单 GPU 部署的企业级 LLM，擅长指令跟随和处理 HTML、Markdown 等结构化格式。它支持英语、韩语和日语，具有顶尖的多语言性能，并在金融、医疗和法律领域具有专业知识。
除 Solar 外，Upstage 还提供用于真实世界 RAG（检索增强生成）的功能，例如 Document Parse（文档解析）和 Groundedness Check（事实核查）。

​
Upstage LangChain 集成

API描述导入使用示例
Chat使用 Solar Chat 构建助手from langchain_upstage import ChatUpstage前往
Text Embedding将字符串嵌入为向量from langchain_upstage import UpstageEmbeddings前往
Groundedness Check验证助手响应的事实依据from langchain_upstage import UpstageGroundednessCheck前往
Document Parse序列化包含表格和图形的文档from langchain_upstage import UpstageDocumentParseLoader前往
有关模型和功能的更多详情，请参阅文档。

​
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。 
import os

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

​
聊天模型

​
Solar LLM

查看使用示例。 
from langchain_upstage import ChatUpstage

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

​
嵌入模型

查看使用示例。 
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)

​
文档加载器

​
文档解析

查看使用示例。 
from langchain_upstage import UpstageDocumentParseLoader

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

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

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

​
工具

​
事实核查

查看使用示例。 
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)
在 GitHub 上编辑此页面或提交问题。
通过 MCP 将这些文档连接到 Claude、VSCode 等以获取实时答案。