访问官网
Github
Huggingface
文档
论文
Cohere 工具包
工具包是一系列预构建组件的集合，使用户能够快速构建和部署RAG应用程序。
立即尝试：
通过在本地容器中部署，亲自尝试默认的工具包应用程序。可以使用docker run，使用提供的预构建Docker镜像（注意：这不包含社区工具）：
docker run -e COHERE_API_KEY='>>YOUR_API_KEY<<' -p 8000:8000 -p 4000:4000 ghcr.io/cohere-ai/cohere-toolkit:latest
或者克隆并在本地运行：
注意：要在本地构建时包含社区工具，请在docker-compose.yml中将INSTALL_COMMUNITY_DEPS构建参数设置为true。
git clone https://github.com/cohere-ai/cohere-toolkit.git
cd cohere-toolkit
make first-run
在浏览器中访问localhost:4000并开始与模型聊天。
对于以上操作，您需要安装Docker和Docker-compose >= 2.22。点击此处查看更详细的设置。
GitHub Codespaces
要使用GitHub Codespaces运行此项目，请参考我们的Codespaces设置指南。
关于工具包
- 界面 - 这可以是任何前端、应用程序、机器人或集成。您可以根据您的用例自定义任何类型的界面。默认包含：
- Cohere的Web UI位于
src/interfaces/coral_web- 使用Next.js构建的Web应用程序。开箱即用，包含一个简单的SQL数据库来存储应用程序中的对话历史。
- Cohere的Web UI位于
- 后端API -
src/backend遵循类似于Cohere聊天API的结构，但还包括可自定义的元素：- 模型 - 您可以自定义访问Cohere的Command模型的提供商。工具包默认包含Cohere的平台、Sagemaker、Azure、Bedrock、HuggingFace和本地模型。更多详情请点击这里。
- 检索 - 您可以自定义应用程序运行时使用的工具和数据源。默认情况下，我们配置了一个Langchain数据检索器，用于在维基百科和您上传的文档上测试RAG。可以添加任何工具，包括来自LangChain或LlamaIndex的任何工具或检索器。您也可以使用自己创建的连接器。
- 服务部署指南 - 我们还包括如何在生产环境中部署工具包服务的指南，包括AWS、GCP和Azure。更多详情请点击这里。
贡献
贡献是推动开源社区的动力，我们非常感谢任何贡献。要开始贡献，请查看我们的文档。
贡献者
使用contrib.rocks制作。
