Clarifai는 2013년에 설립된 최초의 딥러닝 플랫폼 중 하나입니다. Clarifai는 이미지, 비디오, 텍스트 및 오디오 데이터에 대한 데이터 탐색, 데이터 레이블링, 모델 학습, 평가 및 추론을 포함한 전체 AI 라이프사이클을 제공하는 AI 플랫폼을 제공합니다. LangChain 생태계에서 우리가 알고 있는 한, Clarifai는 하나의 프로덕션 규모 플랫폼에서 LLM, embedding 및 vector store를 모두 지원하는 유일한 제공업체로, LangChain 구현을 운영화하는 데 탁월한 선택입니다. Clarifai는 다양한 사용 사례를 위한 수천 개의 AI 모델을 제공합니다. 여기에서 탐색하여 사용 사례에 가장 적합한 모델을 찾을 수 있습니다. 이러한 모델에는 OpenAI, Anthropic, Cohere, AI21 등과 같은 다른 제공업체가 만든 모델과 Falcon, InstructorXL 등과 같은 오픈 소스의 최첨단 모델이 포함되어 있어 제품에 최고의 AI를 구축할 수 있습니다. 이러한 모델은 생성자의 user_id로 구성되고 app_id로 표시되는 application이라는 프로젝트로 구성되어 있습니다. 이러한 ID는 model_id 및 선택적으로 version_id와 함께 필요하므로 사용 사례에 가장 적합한 모델을 찾으면 이러한 모든 ID를 기록해 두세요! 또한 이미지, 비디오, 텍스트 및 오디오 이해를 위한 많은 모델이 있으므로 다양한 AI 모델을 전문가로 활용하여 해당 데이터 유형을 이해하는 흥미로운 AI agent를 구축할 수 있습니다.

​
Installation and Setup

  • Python SDK 설치:
pip install clarifai
Clarifai 계정에 가입한 다음 보안 설정에서 Clarifai API에 액세스할 수 있는 개인 액세스 토큰을 받아 환경 변수(CLARIFAI_PAT)로 설정하세요.

​
LLMs

Clarifai 플랫폼에서 LLM 선택을 찾으려면 여기에서 text to text 모델 유형을 선택할 수 있습니다. 
from langchain_community.llms import Clarifai
llm = Clarifai(pat=CLARIFAI_PAT, user_id=USER_ID, app_id=APP_ID, model_id=MODEL_ID)
자세한 내용은 Clarifai LLM wrapper에 대한 문서에서 상세한 안내를 제공합니다.

​
Embedding Models

Clarifai 플랫폼에서 embedding 모델 선택을 찾으려면 여기에서 text to embedding 모델 유형을 선택할 수 있습니다. LangChain에는 Clarifai Embedding 모델이 있으며 다음과 같이 액세스할 수 있습니다: 
from langchain_community.embeddings import ClarifaiEmbeddings
embeddings = ClarifaiEmbeddings(pat=CLARIFAI_PAT, user_id=USER_ID, app_id=APP_ID, model_id=MODEL_ID)
사용 예제를 참조하세요.

​
Vectorstore

Clarifai의 vector DB는 2016년에 출시되었으며 실시간 검색 쿼리를 지원하도록 최적화되었습니다. Clarifai 플랫폼의 workflow를 사용하면 데이터가 embedding 모델 및 선택적으로 다른 모델에 의해 자동으로 인덱싱되어 검색을 위해 DB에 해당 정보를 인덱싱합니다. vector뿐만 아니라 metadata 일치, 다른 AI 예측 개념으로 필터링하고 지리 좌표 검색도 수행할 수 있습니다. 단순히 application을 생성하고 데이터 유형에 적합한 기본 workflow를 선택한 다음 업로드하면 됩니다(여기에 문서화된 API 또는 clarifai.com의 UI를 통해). LangChain에서 직접 데이터를 추가할 수도 있으며 자동 인덱싱이 수행됩니다. 이는 생성자에 embedding 모델을 제공하고 LangChain이 텍스트에서 embedding을 가져와 인덱스에 쓰는 것을 조정해야 하는 다른 vectorstore와 약간 다릅니다. 더 편리할 뿐만 아니라 Clarifai의 분산 클라우드를 사용하여 백그라운드에서 모든 인덱싱을 수행하는 것이 훨씬 더 확장 가능합니다. 
from langchain_community.vectorstores import Clarifai
clarifai_vector_db = Clarifai.from_texts(user_id=USER_ID, app_id=APP_ID, texts=texts, pat=CLARIFAI_PAT, number_of_docs=NUMBER_OF_DOCS, metadatas = metadatas)
자세한 내용은 Clarifai vector store에 대한 문서에서 상세한 안내를 제공합니다.
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.
⌘I