Skip to main content

Documentation Index

Fetch the complete documentation index at: https://langchain-zh.cn/llms.txt

Use this file to discover all available pages before exploring further.

Banana 为 AI 模型提供无服务器 GPU 推理、 一个 CI/CD 构建管道以及一个简单的 Python 框架（Potassium），用于托管您的模型。
本页介绍如何在 LangChain 中使用 Banana 生态系统。

​
安装和设置

  • 安装 python 包 banana-dev：
pip install banana-dev
  • 从 Banana.dev 仪表板 获取 Banana API 密钥，并将其设置为环境变量（BANANA_API_KEY）
  • 从模型的详细信息页面获取您的模型密钥和 URL 标识符。

​
定义您的 Banana 模板

您需要为您的 Banana 应用设置一个 GitHub 仓库。您可以使用 此指南 在 5 分钟内开始操作。 或者，如果您需要一个现成的 LLM 示例，可以查看 Banana 的 CodeLlama-7B-Instruct-GPTQ GitHub 仓库。只需将其 Fork 并在 Banana 内部署即可。 其他启动仓库可在 Banana.dev 启动仓库 中找到。

​
构建 Banana 应用

要在 LangChain 中使用 Banana 应用，您必须在返回的 JSON 中包含 outputs 键，并且该值必须是一个字符串。 
# Return the results as a dictionary
result = {'outputs': result}
推理函数的示例如下： 
@app.handler("/")
def handler(context: dict, request: Request) -> Response:
    """Handle a request to generate code from a prompt."""
    model = context.get("model")
    tokenizer = context.get("tokenizer")
    max_new_tokens = request.json.get("max_new_tokens", 512)
    temperature = request.json.get("temperature", 0.7)
    prompt = request.json.get("prompt")
    prompt_template=f'''[INST] Write code to solve the following coding problem that obeys the constraints and passes the example test cases. Please wrap your code answer using ```:
    {prompt}
    [/INST]
    '''
    input_ids = tokenizer(prompt_template, return_tensors='pt').input_ids.cuda()
    output = model.generate(inputs=input_ids, temperature=temperature, max_new_tokens=max_new_tokens)
    result = tokenizer.decode(output[0])
    return Response(json={"outputs": result}, status=200)
此示例来自 CodeLlama-7B-Instruct-GPTQ 中的 app.py 文件。

​
LLM

from langchain_community.llms import Banana
查看 使用示例。
Edit this page on GitHub or file an issue.
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.