Skip to main content
Groq 是一家提供快速 AI 推理服务的公司，其基于 LPU™ AI 推理技术，能够提供快速、经济且节能的 AI 解决方案。 本文将帮助您开始使用 Groq 的聊天模型。有关 ChatGroq 所有功能和配置的详细文档，请参阅 API 参考。

​
概述

​
集成详情

类包可序列化Python 支持下载量版本
ChatGroq@langchain/groq❌✅NPM - DownloadsNPM - Version

​
模型功能

下表标题中的链接提供了如何使用特定功能的指南。
工具调用结构化输出图像输入音频输入视频输入令牌级流式传输令牌使用量对数概率
✅✅❌❌❌✅✅✅

​
设置

要访问 ChatGroq 模型，您需要创建一个 Groq 账户，获取 API 密钥，并安装 @langchain/groq 集成包。

​
凭证

要使用 Groq API，您需要一个 API 密钥。注册 Groq 账户并创建 API 密钥。 然后，您可以在终端中将 API 密钥设置为环境变量： 
export GROQ_API_KEY="your-api-key"
如果您希望自动追踪模型调用，还可以通过取消注释以下行来设置您的 LangSmith API 密钥： 
# export LANGSMITH_TRACING="true"
# export LANGSMITH_API_KEY="your-api-key"

​
安装

LangChain ChatGroq 集成位于 @langchain/groq 包中： 
npm install @langchain/groq @langchain/core

​
实例化

现在我们可以实例化模型对象并生成聊天补全： 
import { ChatGroq } from "@langchain/groq"

const llm = new ChatGroq({
    model: "llama-3.3-70b-versatile",
    temperature: 0,
    maxTokens: undefined,
    maxRetries: 2,
    // 其他参数...
})

​
调用

const aiMsg = await llm.invoke([
    {
      role: "system",
      content: "你是一个将英语翻译成法语的助手。请翻译用户的句子。",
    },
    { role: "user", content: "I love programming." },
])
aiMsg

AIMessage {
  "content": "I enjoy programming. (The French translation is: \"J'aime programmer.\")\n\nNote: I chose to translate \"I love programming\" as \"J'aime programmer\" instead of \"Je suis amoureux de programmer\" because the latter has a romantic connotation that is not present in the original English sentence.",
  "additional_kwargs": {},
  "response_metadata": {
    "tokenUsage": {
      "completionTokens": 73,
      "promptTokens": 31,
      "totalTokens": 104
    },
    "finish_reason": "stop"
  },
  "tool_calls": [],
  "invalid_tool_calls": []
}

console.log(aiMsg.content)

I enjoy programming. (The French translation is: "J'aime programmer.")

Note: I chose to translate "I love programming" as "J'aime programmer" instead of "Je suis amoureux de programmer" because the latter has a romantic connotation that is not present in the original English sentence.

​
JSON 调用

const messages = [
  {
    role: "system",
    content: "你是一个数学导师，负责处理数学练习并以 JSON 格式输出，格式为 { result: number }。",
  },
  { role: "user",  content: "2 + 2 * 2" },
];

const aiInvokeMsg = await llm.invoke(messages, { response_format: { type: "json_object" } });

// 如果不想在每次调用时都传递 response_format，可以将其绑定到实例
const llmWithResponseFormat = llm.bind({ response_format: { type: "json_object" } });
const aiBindMsg = await llmWithResponseFormat.invoke(messages);

// 它们是相同的
console.log({ aiInvokeMsgContent: aiInvokeMsg.content, aiBindMsg: aiBindMsg.content });

{
  aiInvokeMsgContent: '{\n"result": 6\n}',
  aiBindMsg: '{\n"result": 6\n}'
}

​
API 参考

有关 ChatGroq 所有功能和配置的详细文档，请参阅 API 参考。
Edit this page on GitHub or file an issue.
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.