Cohere Command R：完全なステップバイステップのチュートリアル

このチュートリアルは、最先端の大型言語モデル（LLM）であるCohere Command Rを調査し、オンライン、ローカル、およびCohere Python APIを介してその使用を実証します。 LangchainとTavilyを使用してAIエージェントを構築して、マルチステップタスクを達成します。

Cohereモデルに精通している人の場合、プロジェクトセクションにジャンプします。初心者はAIファンダメンタルズトラックを探索して、ChatGPT、LLMS、および生成AIについて学ぶことができます。

cohere command r？

とは何ですか コマンドrはCohereの高度なLLMであり、会話の相互作用と長いコンテキストタスクに優れています。 複雑な検索拡張生成（RAG）ワークフローとマルチステップツールの使用の最適化により、エンタープライズアプリケーションに最適です。

cohereコマンドrの重要な機能r：

拡張コンテキスト：最大128Kトークンを処理し、品質と信頼性の以前のモデルを超えています（4Kトークン出力制限）。

多言語のサポート：
• 英語、フランス語、スペイン語、イタリア語、ドイツ語などに最適化された多様な多言語コーパスで訓練されています。 横断的能力：
翻訳と横断的な質問の回答を実行します。
• ビルトインrag：
外部フレームワークなしでragを促進します。 CITASIONSを使用して、コンテキストを意識した回答のドキュメントを提供するだけです
• マルチステップツールの使用：最新の応答のために検索エンジンやカスタムツール（データベース、API）と統合します。
• cohereモデルの包括的な理解については、Cohere APIチュートリアルを参照してください。Cohereモデルを始めましょう。 Cohereコマンドr：
• へのアクセス いくつかの方法が存在し、多くの無料の方法：

オンラインアクセス（huggingchat）：

https://www.php.cn/link/217ffec3caf17a44bf340fc11d93e8ab

「モデル」を選択し、「C4AI-Command-R-Plus」を選択します

クエリを入力します。迅速で正確な応答を期待してください。 6つのツール（画像生成、インターネット検索など）も統合されています。

1. ローカルアクセス（1月）：
   1. https://www.php.cn/link/1d72d067ad71fc47c245e249dc16cb7f。
   からJanをダウンロードしてインストールします
   2. モデルハブ（左パネル）にアクセスします。
   3. 「PMYSL/C4AI-COMMAND-R-PLUS-GGUF」（必要＆gt; 30GB RAM）を検索します
   「Q4_K_Mバージョン」（〜31.24GB）をダウンロードして使用します

   

   APIアクセス（Cohere API付きJAN）：
   https://www.php.cn/link/19c81ddc9575bacf2a6f73b428065821
   。
   1. にサインインします 「ダッシュボード」に移動し、「APIキー」に移動し、トライアルキーを作成します。 キーをヤンの「モデルプロバイダー」（設定＆gt; cohere）に貼り付けます。
   2. Janの「スレッド」メニューでコマンドrを選択します。 リアルタイムの応答には「ストリーム」を使用します。

   Cohere Python API：

   インストール：

   Cohere APIキーを取得します（上記のAPIアクセスを参照）。
   1. pip install cohere環境変数を設定します（DatacampのDatalab推奨）
   cohereクライアントの初期化：
   4. ：
   を使用して応答を生成します

   import os
   import cohere
   
   cohere_api_key = os.environ["COHERE_API_KEY"]
   co = cohere.Client(api_key=cohere_api_key)

   5. .chat()

   response = co.chat(model="command-r-plus", message="Your query here")
   print(response.text)

   Cohere Python API機能の探索：

   • テキストの生成：、preamble、chat_history、max_tokens、およびtemperatureを使用してください。
   • ストリーミング：リアルタイムトークンの生成にを使用してください。.chat_stream()
   • 予測可能な出力：再現可能な結果の引数を設定します seed
   rag：
   • コンテキスト対応の応答にはの引数を使用します。documents .chat()
   埋め込み：セマンティックテキストの表現に
   • を使用します。 .embed()
   微調整：
   • を使用してカスタムデータセットをアップロードし、。で微調整します .datasets.create() .finetuning.create_finetuned_model()

   AIプロジェクト：LangchainとTavilyを備えたマルチステップエージェント：

   このプロジェクトは、Webを検索し（Tavily）、Python Code（Python Repl）を生成/実行するAIエージェントを作成して視覚化を生成します。

   パッケージのインストール：
   Cohere Chat Modelのセットアップ：
   1. %pip install --quiet langchain langchain_cohere langchain_experimental
   tavily検索ツールを設定します
   Python REPLツールをセットアップします

   import os
   import cohere
   
   cohere_api_key = os.environ["COHERE_API_KEY"]
   co = cohere.Client(api_key=cohere_api_key)

   および
   3. 。
   エージェントをテストします（たとえば、パイチャートを生成します）。
   5. create_cohere_react_agent AgentExecutor
   6. 結論：

   このチュートリアルは、Cohere Command Rを使用するための包括的なガイドを提供し、その機能を強調し、洗練されたAIエージェントの構築にアプリケーションを実証します。 強力なLLMとLangchainやTaviveのようなツールの組み合わせは、高度なAIシステムの開発を簡素化します。

以上がCohere Command R：完全なステップバイステップのチュートリアルの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。