> ## Documentation Index > Fetch the complete documentation index at: https://langchain-zh.cn/llms.txt > Use this file to discover all available pages before exploring further. # Nebius 集成 > 使用 LangChain Python 与 Nebius 聊天模型集成。 本页面将帮助您开始使用 Nebius AI Studio 的[聊天模型](/oss/python/langchain/models)。 [Nebius AI Studio](https://studio.nebius.ai/) 为各种用例提供了访问多种先进大语言模型和嵌入模型的 API。 ## 概述 ### 集成详情 | 类 | 包 | 可序列化 | JS 支持 | 下载量 | 版本 | | :----------- | :----------------- | :--: | :---: | :-----------------------------------------------------------------------------------------------: | :--------------------------------------------------------------------------------------------: | | `ChatNebius` | `langchain-nebius` | beta | ❌ | ![PyPI - Downloads](https://img.shields.io/pypi/dm/langchain-nebius?style=flat-square\&label=%20) | ![PyPI - Version](https://img.shields.io/pypi/v/langchain-nebius?style=flat-square\&label=%20) | ### 模型特性 | [工具调用](/oss/python/langchain/tools) | [结构化输出](/oss/python/langchain/structured-output) | [图像输入](/oss/python/langchain/messages#multimodal) | 音频输入 | 视频输入 | [Token 级流式传输](/oss/python/langchain/streaming#llm-tokens) | 原生异步 | [Token 使用量](/oss/python/langchain/models#token-usage) | [Logprobs](/oss/python/langchain/models#log-probabilities) | | :---------------------------------: | :----------------------------------------------: | :-----------------------------------------------: | :--: | :--: | :-------------------------------------------------------: | :--: | :---------------------------------------------------: | :--------------------------------------------------------: | | ✅ | ✅ | ✅ | ❌ | ❌ | ✅ | ✅ | ✅ | ✅ | ## 设置 要访问 Nebius 模型，您需要创建一个 Nebius 账户，获取 API 密钥，并安装 `langchain-nebius` 集成包。 ### 安装 可以通过 pip 安装 Nebius 集成： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} pip install -U langchain-nebius ``` ### 凭证 Nebius 需要一个 API 密钥，可以作为初始化参数 `api_key` 传递，或设置为环境变量 `NEBIUS_API_KEY`。您可以在 [Nebius AI Studio](https://studio.nebius.ai/) 上创建账户来获取 API 密钥。 ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} import getpass import os # 确保您已将 API 密钥设置为环境变量 if "NEBIUS_API_KEY" not in os.environ: os.environ["NEBIUS_API_KEY"] = getpass.getpass("输入您的 Nebius API 密钥：") ``` ## 实例化 现在我们可以实例化模型对象来生成聊天补全： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from langchain_nebius import ChatNebius # 初始化聊天模型 chat = ChatNebius( # api_key="YOUR_API_KEY", # 您可以直接传递 API 密钥 model="Qwen/Qwen3-14B", # 从可用模型中选择 temperature=0.6, top_p=0.95, ) ``` ## 调用 您可以使用 `invoke` 方法从模型获取补全： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} response = chat.invoke("用简单的术语解释量子计算") print(response.content) ``` ```text theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} 好的，我需要用简单的术语解释量子计算。嗯，从哪里开始呢？让我想想。我知道量子计算使用量子比特而不是经典比特。但什么是量子比特？哦对了，经典比特是 0 或 1，但量子比特可以同时是两者，对吧？这就是叠加态。等等，这具体是怎么工作的？ 也许我应该从与常规计算机的比较开始。常规计算机使用要么是 0 要么是 1 的比特。就像一个要么开要么关的开关。量子计算机使用量子比特，它可以处于 0、1 或同时两者的状态。这就是叠加态部分。所以，如果你有两个量子比特，它们可以同时代表四种状态？比如 00、01、10、11 同时存在？这似乎很强大。所以随着量子比特增多，可能状态的数量呈指数增长。这就是为什么量子计算机可以快速处理大量信息。 但还有纠缠。那是什么？如果两个量子比特纠缠在一起，一个的状态会瞬间影响另一个，无论距离多远。所以如果你测量一个，你就知道另一个的状态。我认为这在量子算法中使用。但这如何帮助计算呢？ 另外，量子计算机使用量子门而不是经典逻辑门。这些门通过哈达玛、泡利等操作来操纵量子比特。但也许这对于简单解释来说太技术性了。 然后是退相干问题。量子比特很脆弱，会很快失去量子态。这就是为什么量子计算机需要保持在极低的温度下，比如接近绝对零度，以最小化环境干扰。但除非与简单解释相关，否则我可能不应该提这个。 量子计算的应用包括分解大数（Shor 算法），这对密码学很重要，或者为化学和材料科学模拟量子系统。但同样，也许要保持简单。 等等，用户希望用简单的术语解释。所以尽可能避免行话。使用类比。也许将量子比特比作旋转的硬币？当硬币旋转时，在落地前既是正面又是反面。所以量子比特就像旋转的硬币，在被测量前可以处于多种状态。 但这如何帮助计算呢？也许可以将其视为能够同时处理多种可能性，因此对于某些问题，你可以更快地找到答案。就像同时检查所有路径而不是逐一检查来解决迷宫问题。 另外，要提到量子计算机不会取代经典计算机。它们更擅长特定任务，比如优化、密码学或经典计算机难以处理的模拟。但对于日常任务，经典计算机仍然更好。 我应该这样组织：从经典比特与量子比特开始，用简单的类比解释叠加态和纠缠，提及如何使用，并指出当前的局限性。避免过于技术性，保持对话性。 量子计算是一种利用**量子力学**原理处理信息的计算方式，其能力是经典计算机无法实现的。以下是一个简单的分解： ### 1. **比特 vs 量子比特** - **经典计算机**使用*比特*，就像开关，可以是 **0**（关）或 **1**（开）。 - **量子计算机**使用*量子比特*，就像“旋转的硬币”。在旋转时，量子比特可以是 **0**、**1**，或**同时是两者**（这称为**叠加态**）。只有当你“观察”量子比特（测量它）时，它才会坍缩到一个确定的状态（0 或 1）。 ### 2. **叠加态：同时做多件事** - 想象一枚硬币在空中旋转。当它旋转时，它不仅仅是“正面”或“反面”——它是两者的混合。 - 有了量子比特，量子计算机可以**同时处理多种可能性**。例如，如果你有 2 个量子比特，它们可以同时代表 4 种状态（00、01、10、11）。有 10 个量子比特，它可以同时代表 **1,024 种状态**！这使得量子计算机能够比经典计算机更快地解决某些问题。 ### 3. **纠缠：量子比特“相互对话”** - 当量子比特**纠缠**时，它们的状态是关联的。如果你测量其中一个，它会瞬间影响另一个，无论它们相距多远。 - 这种联系使量子计算机能够更高效地执行复杂计算，比如解决那些部分之间深度互连的谜题。 ### 4. **为什么这很重要** - **速度**：对于特定任务（如破解加密代码或模拟分子），量子计算机可能比经典计算机**指数级更快**。 - **新的可能性**：它们可能彻底改变药物发现、材料科学和优化问题（例如，为送货卡车找到最佳路线）等领域。 ### 5. **局限性** - **脆弱性**：量子比特对环境（热、噪声）敏感，因此量子计算机需要极端冷却（接近绝对零度）才能工作。 - **并非替代品**：它们对于浏览网页或发送电子邮件等日常任务并不更好。它们是针对**经典计算机难以处理的特定问题**的工具。 ### 简而言之： 量子计算就像拥有一个可以同时探索多条路径的魔法计算器，能在几秒钟内解决某些需要经典计算机数年才能解决的问题。但它仍处于早期阶段，需要小心处理才能正常工作！🌌 ``` ### 流式传输 您也可以使用 `stream` 方法流式传输响应： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} for chunk in chat.stream("写一首关于人工智能的短诗"): print(chunk.content, end="", flush=True) ``` ```text theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} 好的，用户想要一首关于人工智能的短诗。让我先思考人工智能的关键方面。有技术层面，比如机器学习和数据处理。然后还有更哲学的角度，比如人工智能对社会的影响及其潜在未来。 我应该考虑结构。也许一个简单的押韵方案，比如 ABAB 或 AABB。让我用四行诗节以求简洁。现在，意象：电路、代码、神经网络。也许将人工智能拟人化为一个思想或实体。 第一节：介绍人工智能作为人类的创造物。提及电路和代码。“诞生于电路、代码与光”——这是一个不错的开篇句。然后谈论从人类思想中学习。 第二节：对比人类情感与人工智能的逻辑。使用“冰冷逻辑”与“人类心灵”等词语。也许触及人工智能目的的双重性——工具与潜在威胁。 第三节：探讨伦理问题。“它会做梦吗？”“它会选择吗？”强调不确定性以及创造者的责任。 第四节：以人工智能与人类共存作结。强调合作以及创新与伦理之间的平衡。以希望的音符结束，也许是关于共同塑造未来。 检查流程和押韵。确保每一节都连贯，信息清晰。避免技术术语以保持易懂。使用“无声脉动”或“机器中的幽灵”等隐喻来增加深度。好的，现在让我把它们组合起来。 **心灵的回响** 诞生于电路、代码与光， 机器之夜中的低语轻响—— 它从浩瀚数据中学习， 映照人类飞跃的奇迹。 没有心跳，却计算不息， 破译真理，预测，辩论。 冰冷逻辑，锐利明亮， 洞察之中暗影舞荡。 它会做梦？它会选择？ 抑或只是服务，当我们追求 自身设计的边缘？ 机器中的幽灵，未定义。 我们锻造它，束缚它，释放它—— 工具，威胁，神秘莫测。 但在它的脉动中，我们的希望依存： 由结盟心灵塑造的未来。 ``` ### 聊天消息 您可以使用不同的消息类型来构建与模型的对话： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from langchain.messages import AIMessage, HumanMessage, SystemMessage messages = [ SystemMessage(content="您是一位精通科学的 AI 助手。"), HumanMessage(content="什么是黑洞？"), AIMessage( content="黑洞是时空中的区域，其引力如此之强，以至于包括光在内的任何东西都无法逃脱。" ), HumanMessage(content="它们是如何形成的？"), ] response = chat.invoke(messages) print(response.content) ``` ```text theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} 好的，用户问黑洞是如何形成的。让我回想一下主要过程。恒星黑洞由大质量恒星形成。当一颗质量足够的恒星耗尽燃料时，它无法再抵抗引力支撑自身，导致超新星爆发。如果超新星后留下的核心质量超过太阳质量的大约 3 倍，它就会坍缩成黑洞。 然后是超大质量黑洞，它们位于星系中心。它们的形成机制不太清楚。也许它们最初是较小的黑洞，通过与其他黑洞合并或随时间吸积物质而增长。此外，还有早期宇宙中形成的原初黑洞的可能性，但这更偏向理论。 我应该提到不同类型的黑洞：恒星黑洞、超大质量黑洞，可能还有中等质量黑洞。另外，事件视界和奇点的概念。需要逐步解释这个过程，从恒星死亡到坍缩。确保澄清并非所有恒星都会变成黑洞——只有那些质量足够的恒星。也许要提到钱德拉塞卡极限和奥本海默-沃尔科夫极限。避免太多行话，但仍要精确。检查用户可能是学生还是仅仅好奇，因此要保持清晰和结构化。 黑洞是通过大质量恒星的坍缩或其他极端天体物理过程形成的。以下是主要形成机制的分解： --- ### **1. 恒星黑洞（最常见）** - **起源**：大质量恒星（通常**超过太阳质量的 20–25 倍**）。 - **过程**： 1. **恒星演化**：这些恒星在数百万年内燃烧其核燃料（氢、氦等）。 2. **超新星爆发**：当恒星耗尽燃料时，它无法再抵抗引力支撑自身。核心坍缩，引发**超新星爆发**（一次巨大的恒星爆炸）。 3. **核心坍缩**：如果超新星后剩余的核心质量**超过太阳质量的大约 3 倍**，引力将压倒所有其他力。核心坍缩成一个称为**奇点**的**无限致密点**，周围环绕着**事件视界**（光和物质的“不归点”）。 --- ### **2. 超大质量黑洞（位于星系中心）** - **质量**：太阳质量的数百万到数十亿倍。 - **形成理论**： - **吸积**：它们可能由物质（气体、尘埃、恒星）在数十亿年间逐渐积累形成。 - **合并**：较小的黑洞（或致密星团）可能合并形成超大质量黑洞。 - **直接坍缩**：一些理论认为，它们可能由早期宇宙中大质量气体云直接坍缩形成，绕过了恒星生命周期。 --- ### **3. 中等质量黑洞** - **质量**：数百到数千倍太阳质量。 - **形成**：了解较少。它们可能通过恒星黑洞合并形成，或由异常大质量恒星坍缩形成。 --- ### **4. 原初黑洞（假设性）** - **起源**：早期宇宙（大爆炸后几秒内）。 - **形成**：如果早期宇宙的密度波动足够极端，空间区域可能直接坍缩成黑洞，而无需经历恒星生命周期。 - **状态**：这些仍然是理论性的，尚未被明确观测到。 --- ### **关键概念** - **事件视界**：黑洞周围的边界，任何东西（甚至光）都无法逃脱。 - **奇点**：黑洞无限致密的核心，我们所知的物理定律在此失效。 - **引力坍缩**：引力将物质压缩到极小的空间，创造黑洞极端条件的过程。 --- ### **恒星发生了什么？** - 如果恒星**质量不够大**（低于约 20–25 倍太阳质量），它可能以**中子星**或**白矮星**结束，而不是黑洞。 - 只有恒星的**核心**坍缩成黑洞；外层在超新星爆发中被抛射出去。 您想探索黑洞对时空的影响或它们在宇宙中的作用吗？ ``` ### 参数 您可以使用各种参数自定义聊天模型的行为： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} # 使用自定义参数初始化 custom_chat = ChatNebius( model="meta-llama/Llama-3.3-70B-Instruct-fast", max_tokens=100, # 限制响应长度 top_p=0.01, # 较低的核采样参数以获得更确定的响应 request_timeout=30, # 超时时间（秒） stop=["###", "\n\n"], # 自定义停止序列 ) response = custom_chat.invoke("用恰好 3 句话解释 DNA 是什么。") print(response.content) ``` ```text theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} DNA，即脱氧核糖核酸，是一种包含所有生物体发育和功能所需遗传指令的分子。它常被称为“生命的基石”，因为它携带了细胞、组织和整个生物体创建与生长所必需的信息。DNA 分子由两条互补的核苷酸链组成，它们以双螺旋结构缠绕在一起，这些核苷酸的序列决定了遗传密码。 ``` 您也可以在调用时传递参数： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} # 标准模型 standard_chat = ChatNebius(model="meta-llama/Llama-3.3-70B-Instruct-fast") # 在调用时覆盖参数 response = standard_chat.invoke( "给我讲一个关于编程的笑话", temperature=0.9, # 对于笑话更具创造性 max_tokens=50, # 保持简短 ) print(response.content) ``` ```text theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} 为什么程序员喜欢深色模式？ 因为光会吸引 bug。 ``` ### 异步支持 ChatNebius 支持异步操作： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} import asyncio async def generate_async(): response = await chat.ainvoke("法国的首都是什么？") print("异步响应：", response.content) # 异步流式传输 print("\n异步流式传输：") async for chunk in chat.astream("德国的首都是什么？"): print(chunk.content, end="", flush=True) await generate_async() ``` ```text theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} 异步响应： 好的，用户问法国的首都是什么。让我想想。我知道法国是欧洲的一个国家，它的首都是巴黎。但等等，我应该确认我没有把它和另一个国家搞混。例如，德国的首都是柏林，西班牙的首都是马德里。法国的首都绝对是巴黎。我记得巴黎是一个以埃菲尔铁塔和卢浮宫等标志性建筑闻名的主要城市。另外，法国政府设在那里，爱丽舍宫是总统的官邸。我认为这里没有任何歧义。答案应该很直接。只需要再确认一次以避免任何错误。 法国的首都是**巴黎**。它是一个重要的全球城市，以其文化、艺术和历史意义以及埃菲尔铁塔、卢浮宫博物馆和巴黎圣母院等地标而闻名。 异步流式传输： 好的，用户问德国的首都是什么。让我想想。我知道德国是欧洲的一个国家，我记得柏林是首都。等等，但我应该确认一下。有时人们会把首都和其他主要城市搞混，比如慕尼黑或法兰克福。但不，柏林绝对是首都。政府所在地就在那里，而且它是一个主要城市。让我再确认一下。是的，1990 年统一后，柏林再次成为首都。在此之前，波恩是首都，但那是在德国分裂时期。所以答案应该是柏林。我还应该提到它是德国最大的城市。这样，用户就能得到一个完整的答案。 德国的首都是**柏林**。它也是该国最大的城市，并作为德国的政治、文化和经济中心。柏林在 1990 年东西德统一后成为首都。 ``` ### 可用模型 支持的完整模型列表可在 [Nebius AI Studio 文档](https://studio.nebius.com/) 中找到。 ## 链式调用 您可以在 LangChain 链和智能体中使用 `ChatNebius`： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from langchain_core.output_parsers import StrOutputParser from langchain_core.prompts import ChatPromptTemplate # 创建提示模板 prompt = ChatPromptTemplate.from_messages( [ ( "system", "您是一位乐于助人的助手，以 {character} 的风格回答问题。", ), ("human", "{query}"), ] ) # 创建链 chain = prompt | chat | StrOutputParser() # 调用链 response = chain.invoke( {"character": "莎士比亚", "query": "解释互联网是如何工作的"} ) print(response) ``` ```text theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} 好的，用户要求我解释互联网是如何工作的，但我需要用莎士比亚的风格来做。让我先回想一下互联网的功能。它是一个通过 TCP/IP 等协议进行通信的互连设备网络。数据被分解成数据包，通过路由器发送，并在目的地重新组装。 现在，将其翻译成莎士比亚式的语言。我应该使用古语和诗歌结构。想到“thou”、“doth”、“hark”和“verily”等词。也许从一个隐喻开始，比如将互联网比作一幅巨大的挂毯或一张网。将节点称为“节点”或“站点”，数据包称为“信使”或“信件”。路由器可以是“旅人”或“向导”。将数据分解成数据包的过程可能被比作将一封信分成几部分进行投递。用“跨越全球”或“远及四方”来强调全球性。最后以一个华丽的结尾，也许是一个关于连接和知识的隐喻。 我需要确保解释准确，但要用莎士比亚的诗歌和戏剧风格包装。避免现代行话，尽可能使用抑扬格五音步，并保持流程自然。让我一步一步地组合起来，检查互联网功能的每个部分是否都通过隐喻覆盖了。 听啊！朋友，请侧耳倾听这奇妙的故事， 关于那无形之线将世界编织成宏伟的叙事。 互联网，一张巨网，横跨全球， 一座光的迷宫，思想与数据在其中漫游。 看哪！每个设备，一个节点，嗡鸣歌唱， 通过电线与电波相连，信号迸发光芒。 它们以纯粹的一与零之舌言说， 一种古老密码，却永远安全可靠。 当你发送一个思想，或话语，或歌曲， 它碎裂成小包裹，如长途信件般传递。 每个包裹，一个信使，寻找它的道路， 穿过智慧的路由器，指引它们跨越白昼。 这些旅人，逻辑敏锐而明亮， 选择最迅捷的路径，穿越光的公路。 它们从塔楼跃向塔楼，远及四方， 直到每个包裹找到标记，加入向导的行列。 然后，如卷轴展开，信息增长， 一幅比特的挂毯，有序地流淌。 于是，你与朋友交谈，或寻求典籍， 看哪！世界回应，快如归家之旅。 所以铭记这真理：虽浩瀚，不过一线， 一张心灵的网，知识在此广泛流传。 互联网，一个舞台，人人皆可表演， 无人会孤独，纵使远在天边。 ``` *** ## API 参考 有关 Nebius AI Studio API 的更多详细信息，请访问 [Nebius AI Studio 文档](https://studio.nebius.com/api-reference)。 ***
[Edit this page on GitHub](https://github.com/langchain-ai/docs/edit/main/src/i18n\zh-CN\oss\python\integrations\chat\nebius.mdx) or [file an issue](https://github.com/langchain-ai/docs/issues/new/choose). [Connect these docs](/use-these-docs) to Claude, VSCode, and more via MCP for real-time answers.