> ## 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.

# Databricks 集成

> 使用 LangChain Python 与 Databricks LLM 进行集成。

> [Databricks](https://www.databricks.com/) Lakehouse 平台在一个平台上统一了数据、分析和 AI。

本指南提供了快速入门 Databricks [LLM 模型](https://python.langchain.com/docs/concepts/text_llms) 的概述。有关所有功能和配置的详细文档，请前往 [API 参考](https://reference.langchain.com/python/langchain-community/llms/databricks/Databricks)。

## 概述

`Databricks` LLM 类封装了一个完成端点，该端点托管为以下两种端点类型之一：

* [Databricks Model Serving](https://docs.databricks.com/en/machine-learning/model-serving/index.html)，推荐用于生产和开发，
* 集群驱动程序代理应用，推荐用于交互式开发。

此示例笔记本展示了如何包装您的 LLM 端点并将其用作 LangChain 应用程序中的 LLM。

## 限制

`Databricks` LLM 类是*遗留*实现，在功能兼容性方面存在若干限制。

* 仅支持同步调用。不支持流式传输或异步 API。
* `batch` API 不受支持。

要使用这些功能，请使用新的 [ChatDatabricks](https://python.langchain.com/docs/integrations/chat/databricks) 类代替。`ChatDatabricks` 支持 `ChatModel` 的所有 API，包括流式传输、异步、批处理等。

## 设置

要访问 Databricks 模型，您需要创建一个 Databricks 账户，设置凭据（仅当您不在 Databricks 工作区内时），并安装所需的包。

### 凭据（仅当您不在 databricks 中时）

如果您在 Databricks 内部运行 LangChain 应用程序，可以跳过此步骤。

否则，您需要手动将 Databricks 工作区主机名和个人访问令牌分别设置为 `DATABRICKS_HOST` 和 `DATABRICKS_TOKEN` 环境变量。请参阅 [认证文档](https://docs.databricks.com/en/dev-tools/auth/index.html#databricks-personal-access-tokens) 了解如何获取访问令牌。

```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
import getpass
import os

os.environ["DATABRICKS_HOST"] = "https://your-workspace.cloud.databricks.com"
if "DATABRICKS_TOKEN" not in os.environ:
    os.environ["DATABRICKS_TOKEN"] = getpass.getpass(
        "Enter your Databricks access token: "
    )
```

或者，您可以在初始化 `Databricks` 类时传递这些参数。

```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
from langchain_community.llms import Databricks

databricks = Databricks(
    host="https://your-workspace.cloud.databricks.com",
    # We strongly recommend NOT to hardcode your access token in your code, instead use secret management tools
    # or environment variables to store your access token securely. The following example uses Databricks Secrets
    # to retrieve the access token that is available within the Databricks notebook.
    token=dbutils.secrets.get(scope="YOUR_SECRET_SCOPE", key="databricks-token"),
)
```

### 安装

LangChain Databricks 集成位于 `langchain-community` 包中。此外，需要 `mlflow >= 2.9` 才能运行此笔记本中的代码。

```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
pip install -qU langchain-community mlflow>=2.9.0
```

## 包装模型服务端点

### 先决条件

* 已注册并将 LLM 部署到 [一个 Databricks 服务端点](https://docs.databricks.com/machine-learning/model-serving/index.html)。
* 您拥有对该端点的 ["Can Query" 权限](https://docs.databricks.com/security/auth-authz/access-control/serving-endpoint-acl.html)。

预期的 MLflow 模型签名如下：

* 输入：`[{"name": "prompt", "type": "string"}, {"name": "stop", "type": "list[string]"}]`
* 输出：`[{"type": "string"}]`

### 调用

```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
from langchain_community.llms import Databricks

llm = Databricks(endpoint_name="YOUR_ENDPOINT_NAME")
llm.invoke("How are you?")
```

```text theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
'I am happy to hear that you are in good health and as always, you are appreciated.'
```

```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
llm.invoke("How are you?", stop=["."])
```

```text theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
'Good'
```

### 转换输入和输出

有时您可能希望包装具有不兼容模型签名的服务端点，或者想要插入额外的配置。您可以使用 `transform_input_fn` 和 `transform_output_fn` 参数来定义额外的预处理/后处理。

```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
# Use `transform_input_fn` and `transform_output_fn` if the serving endpoint
# expects a different input schema and does not return a JSON string,
# respectively, or you want to apply a prompt template on top.


def transform_input(**request):
    full_prompt = f"""{request["prompt"]}
    Be Concise.
    """
    request["prompt"] = full_prompt
    return request


def transform_output(response):
    return response.upper()


llm = Databricks(
    endpoint_name="YOUR_ENDPOINT_NAME",
    transform_input_fn=transform_input,
    transform_output_fn=transform_output,
)

llm.invoke("How are you?")
```

```text theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
'I AM DOING GREAT THANK YOU.'
```

***

<div className="source-links">
  <Callout icon="edit">
    [Edit this page on GitHub](https://github.com/langchain-ai/docs/edit/main/src/i18n\zh-CN\oss\python\integrations\llms\databricks.mdx) or [file an issue](https://github.com/langchain-ai/docs/issues/new/choose).
  </Callout>

  <Callout icon="terminal-2">
    [Connect these docs](/use-these-docs) to Claude, VSCode, and more via MCP for real-time answers.
  </Callout>
</div>