Huggingface 端点集成

使用 LangChain Python 集成 Huggingface 端点 LLM。

The Hugging Face Hub 是一个拥有超过12万模型、2万数据集和5万演示应用（Spaces）的平台，所有内容均为开源且公开可用，提供了一个在线平台，人们可以轻松协作并共同构建机器学习项目。

Hugging Face Hub 也提供多种端点以构建机器学习应用。 本示例展示了如何连接不同类型的端点。

特别地，文本生成推理由 Text Generation Inference 驱动：一个基于Rust、Python和gRPC构建的定制化服务器，专为极速文本生成推理而生。

from langchain_huggingface import HuggingFaceEndpoint

安装与配置

使用前请确保已安装 huggingface_hub 的python 包。

pip install -qU huggingface_hub

# get a token: https://huggingface.co/docs/api-inference/quicktour#get-your-api-token

from getpass import getpass

HUGGINGFACEHUB_API_TOKEN = getpass()

import os

os.environ["HUGGINGFACEHUB_API_TOKEN"] = HUGGINGFACEHUB_API_TOKEN

准备示例

from langchain_huggingface import HuggingFaceEndpoint

from langchain_classic.chains import LLMChain
from langchain_core.prompts import PromptTemplate

question = "Who won the FIFA World Cup in the year 1994? "

template = """Question: {question}

Answer: Let's think step by step."""

prompt = PromptTemplate.from_template(template)

示例

以下是一个接入 HuggingFaceEndpoint 的无服务器推理服务 API的示例。

repo_id = "deepseek-ai/DeepSeek-R1-0528"

llm = HuggingFaceEndpoint(
    repo_id=repo_id,
    max_length=128,
    temperature=0.5,
    huggingfacehub_api_token=HUGGINGFACEHUB_API_TOKEN,
    provider="auto",  # set your provider here hf.co/settings/inference-providers
    # provider="hyperbolic",
    # provider="nebius",
    # provider="together",
)
llm_chain = prompt | llm
print(llm_chain.invoke({"question": question}))

专用端点

免费无服务器API可快速实现解决方案并迭代优化，但高负载场景可能受速率限制，因请求流量与其他用户共享。

对于企业级工作负载，建议使用 专用推理端点。 这将访问经过全面管理的基础设施，提供更高的灵活性与运行效率。这些资源配备持续支持、可用性保障，并支持自动扩缩容等高级功能。

# Set the url to your Inference Endpoint below
your_endpoint_url = "https://fayjubiy2xqn36z0.us-east-1.aws.endpoints.huggingface.cloud"

llm = HuggingFaceEndpoint(
    endpoint_url=f"{your_endpoint_url}",
    max_new_tokens=512,
    top_k=10,
    top_p=0.95,
    typical_p=0.95,
    temperature=0.01,
    repetition_penalty=1.03,
)
llm("What did foo say about bar?")

流式输出

from langchain_core.callbacks import StreamingStdOutCallbackHandler
from langchain_huggingface import HuggingFaceEndpoint

llm = HuggingFaceEndpoint(
    endpoint_url=f"{your_endpoint_url}",
    max_new_tokens=512,
    top_k=10,
    top_p=0.95,
    typical_p=0.95,
    temperature=0.01,
    repetition_penalty=1.03,
    streaming=True,
)
llm("What did foo say about bar?", callbacks=[StreamingStdOutCallbackHandler()])

该 HuggingFaceEndpoint 类可通过本地运行 HuggingFace TGI实例（提供大语言模型服务）进行测试。具体硬件（GPU/TPU/Gaudi等）支持细节请查阅 TGI 仓库。

---

官方原文：src/oss/python/integrations/llms/huggingface_endpoint.mdx · 非官方翻译，译文由 AI 生成，以英文原文为准。