Codage des solutions d'IA générative
IBM watsonx.ai dispose d'API REST qui prennent en charge les tâches de programmation pour l'utilisation de modèles de base. Ces API sont exercées dans une bibliothèque Python et un package Node.js que vous pouvez utiliser pour optimiser les modèles de base dans vos applications d'IA génératives.
Pour trouver d'autres ressources qui peuvent vous aider dans vos tâches de codage, y compris des exemples de code et des communautés où vous pouvez discuter de conseils et d'astuces et trouver des réponses à des questions courantes, rendez-vous dans le watsonx Developer Hub.
Tâches que vous pouvez effectuer à l'aide d'un programme
Vous pouvez utiliser l'API REST watsonx.ai , la bibliothèque Python ou le SDK Node.js pour effectuer les tâches suivantes à l'aide d'un programme:
| Tâche | Python | Node.js | API REST |
|---|---|---|---|
| Obtenir des détails sur les modèles de base disponibles | Obtenir les spécifications du modèle | Exemple | Liste des modèles de fondation pris en charge |
| Vérifier les jetons qu'un modèle calcule pour une invite | Tokeniser les modèles de fondation intégrés | Exemple | Bibliothèques de texte |
| Obtenir une liste des modèles de fondations personnalisées disponibles | Modèles personnalisés | Récupérer les déploiements Utiliser le paramètre " |
|
| Inférence un modèle de fondation | Générer un texte | Exemple | Génération de texte |
| Inférence : un modèle de base de déploiement à la demande | Générer un texte | Déduire le texte | |
| Configurer les garde-fous de l'IA lors de l'inférence d'un modèle de base | Suppression des contenus préjudiciables | Utilisez le champ « |
|
| Discuter avec un modèle de fondation | ModelInference.chat() | Exemple | Ajouter un chat génératif à vos applications |
| Appel d'outils à partir du chat | ModelInference.chat() | Construire des flux de travail de chat pilotés par des agents | |
| Réglage rapide d'un modèle de fond de teint | Voir la documentation | Exemple | Voir la documentation |
| Inférence un modèle de base ajusté | Générer un texte | Exemple | Déduire le texte |
| Liste de tous les modèles d'invite | Liste de tous les modèles d'invite | Obtenir un modèle d'invite | |
| Liste des modèles d'invite déployés | Liste des modèles d'invite déployés | Liste des déploiements (type=prompt_template) | |
| Inférence d'un modèle de fondation à l'aide d'un modèle d'invite | Gestionnaire de modèles d'invites | Exemple | Déduire le texte |
| Vectoriser le texte | Intégrer des documents | Exemple | Vectoriser le texte |
| Extraction de texte à partir de documents | Extractions de texte | Exemple | Extraction de texte à partir de documents |
| Reclasser les passages de documents | Rerank | Reranking des passages de documents | |
| Prévision des valeurs futures | TSModelInference | Exemple | Prévoir les valeurs futures des données |
| Intégrer avec LangChain | ExtensionIBM dans LangChain | - Chat API - Foundation models - Embedding models |
|
| Intégrer avec LlamaIndex | - IBM LLMs dans LlamaIndex - IBM embeddings dans LlamaIndex |
En savoir plus
- Données d'identification pour l'accès par programmation
- Recherche de l'ID de projet
- ID de modèle de base
- BibliothèquePython
- Logiciel SDK Node.js
- API REST
- Vectorisation du texte
- Reranking des passages de documents
- Extraction de texte à partir de documents
- Ajouter une fonction de chat génératif à vos applications avec l'API de chat
- Construire des flux de travail pilotés par des agents avec l'API de chat
- Prévision des valeurs futures
Rubrique parent: Développement de solutions d'IA génératives