Use this file to discover all available pages before exploring further.
LlamaIndex tilbyr CometLLM-klassen som en førsteklasses integrasjon med CometAPI. Bruk den til å drive RAG-pipelines, agenter og LLM-kjeder med hvilken som helst modell i CometAPI-katalogen.
En CometAPI-konto med en aktiv API key — få din her
1
Installer LlamaIndex CometAPI-integrasjonen
pip install llama-index-llms-cometapi llama-index
2
Sett API key-en din
from llama_index.llms.cometapi import CometLLMimport osos.environ["COMETAPI_KEY"] = "<COMETAPI_KEY>"api_key = os.getenv("COMETAPI_KEY")
Å bruke miljøvariabler er tryggere enn å hardkode legitimasjon i skript.
3
Initialiser modellen og gjør completion-kall
from llama_index.core.llms import ChatMessagellm = CometLLM( api_key=api_key, max_tokens=256, context_window=4096, model="your-model-id",)# Chat callmessages = [ ChatMessage(role="system", content="You are a helpful assistant"), ChatMessage(role="user", content="Say 'Hi' only!"),]resp = llm.chat(messages)print(resp)# Completion callresp = llm.complete("Who is Kaiming He?")print(resp)
4
Aktiver streaming
Bruk stream_chat eller stream_complete for chunked utdata i sanntid:
# Streaming chatmessage = ChatMessage(role="user", content="Tell me what ResNet is")for chunk in llm.stream_chat([message]): print(chunk.delta, end="")# Streaming completionfor chunk in llm.stream_complete("Tell me about Large Language Models"): print(chunk.delta, end="")