이 노트북은 Arcee의 Domain Adapted Language Models (DALMs)를 사용하여 텍스트를 생성하기 위해 Arcee 클래스를 사용하는 방법을 보여줍니다.
##Installing the langchain packages needed to use the integration
pip install -qU langchain-community

Setup

Arcee를 사용하기 전에 Arcee API key가 ARCEE_API_KEY 환경 변수로 설정되어 있는지 확인하세요. api key를 named parameter로 전달할 수도 있습니다.
from langchain_community.llms import Arcee

# Create an instance of the Arcee class
arcee = Arcee(
    model="DALM-PubMed",
    # arcee_api_key="ARCEE-API-KEY" # if not already set in the environment
)

Additional Configuration

필요에 따라 arcee_api_url, arcee_app_url, model_kwargs와 같은 Arcee의 parameter들을 구성할 수도 있습니다. 객체 초기화 시 model_kwargs를 설정하면 이후 generate response에 대한 모든 호출에서 해당 parameter들이 기본값으로 사용됩니다.
arcee = Arcee(
    model="DALM-Patent",
    # arcee_api_key="ARCEE-API-KEY", # if not already set in the environment
    arcee_api_url="https://custom-api.arcee.ai",  # default is https://api.arcee.ai
    arcee_app_url="https://custom-app.arcee.ai",  # default is https://app.arcee.ai
    model_kwargs={
        "size": 5,
        "filters": [
            {
                "field_name": "document",
                "filter_type": "fuzzy_search",
                "value": "Einstein",
            }
        ],
    },
)

Generating Text

prompt를 제공하여 Arcee에서 텍스트를 생성할 수 있습니다. 다음은 예시입니다:
# Generate text
prompt = "Can AI-driven music therapy contribute to the rehabilitation of patients with disorders of consciousness?"
response = arcee(prompt)

Additional parameters

Arcee를 사용하면 filters를 적용하고 텍스트 생성을 돕기 위해 검색된 문서의 size(개수 기준)를 설정할 수 있습니다. Filter는 결과 범위를 좁히는 데 도움이 됩니다. 다음은 이러한 parameter들을 사용하는 방법입니다:
# Define filters
filters = [
    {"field_name": "document", "filter_type": "fuzzy_search", "value": "Einstein"},
    {"field_name": "year", "filter_type": "strict_search", "value": "1905"},
]

# Generate text with filters and size params
response = arcee(prompt, size=5, filters=filters)

Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.
I