详细内容或原文请订阅后点击阅览
购物中心0.2.0
R和Python的购物中心0.2.0更新为OpenAI和Gemini等外部LLM提供商提供了支持。此版本还具有用于R用户的并行处理，能够在Python的字符串向量上运行NLP以及全新的作弊表。
来源:RStudio AI博客购物中心使用大型语言模型（LLM）来针对您的数据进行Runnatural语言处理（NLP）操作。此包装可用于R和Python。版本0.2.0分别发布了Tocran和Pypypi。
购物中心 cran PYPI在R中，您可以使用以下方式安装最新版本。 在Python中， 此版本扩大了可以与购物中心一起使用的LLM提供商的数量。另外，在Python中，它引入了通过字符串向量运行NLP操作的选项，在R中，它可以支持“并行”请求。 宣布该包装的全新作弊表也非常令人兴奋。 ITIS印刷（PDF）和HTML格式可用！ 更多LLM提供商 该版本的最大亮点是使用外部llmproviders，例如Openai，Geminiand Anthropic。购物中心使用专门的集成软件包无需逐步撰写集成供应商。 OpenAi 双子座 人类 在R中，购物中心使用Ellmer Packageto与各种LLM提供程序集成。要访问新功能，首先创建聊天连接，然后将其传递给LLM_USE（）。这是连接和使用OpenAi的示例： Ellmer 各种LLM提供商 llm_use（） install.packages（“ ellmer”）库（Mall）库（ellmer）chat <-chat_openai（）＃>使用模型=“ gpt-4.1” .llm_use（chat，.cache =“ _MY_CACHE” install.packages（“ ellmer”） install.packages “ Ellmer” 库（购物中心） 库 库（Ellmer） CHAT <-CHAT_OPENAI（） < - chat_openai ＃>使用Model =“ GPT-4.1”。 llm_use（chat，.cache =“ _my_cache”） llm_use .cache = “ _MY_CACHE” ＃> ＃>──购物中心会话对象 ＃>后端：Ellmerllm会话：模型：GPT-4.1R会话：Cache_folder：_MY_CACHE 在Python中，购物中心使用Chatlas作为与LLM的集成点。 Chatlas还集成了Witseveral LLM提供程序。使用，首先实例化Chatlas Chat连接类，然后通过 .llm.use（）函数将其传递给Polars数据框架： 来自
在R中，您可以使用以下方式安装最新版本。
在Python中，
此版本扩大了可以与购物中心一起使用的LLM提供商的数量。另外，在Python中，它引入了通过字符串向量运行NLP操作的选项，在R中，它可以支持“并行”请求。
宣布该包装的全新作弊表也非常令人兴奋。 ITIS印刷（PDF）和HTML格式可用！
更多LLM提供商
该版本的最大亮点是使用外部llmproviders，例如Openai，Geminiand Anthropic。购物中心使用专门的集成软件包无需逐步撰写集成供应商。 OpenAi 双子座人类
在R中，购物中心使用Ellmer Packageto与各种LLM提供程序集成。要访问新功能，首先创建聊天连接，然后将其传递给LLM_USE（）。这是连接和使用OpenAi的示例： Ellmer各种LLM提供商
llm_use（）install.packages（“ ellmer”）库（Mall）库（ellmer）chat <-chat_openai（）＃>使用模型=“ gpt-4.1” .llm_use（chat，.cache =“ _MY_CACHE” install.packages（“ ellmer”） install.packages “ Ellmer” 库（购物中心） 库 库（Ellmer） CHAT <-CHAT_OPENAI（） < - chat_openai ＃>使用Model =“ GPT-4.1”。 llm_use（chat，.cache =“ _my_cache”） llm_use .cache = “ _MY_CACHE” ＃> ＃>──购物中心会话对象
＃>后端：Ellmerllm会话：模型：GPT-4.1R会话：Cache_folder：_MY_CACHE
在Python中，购物中心使用Chatlas作为与LLM的集成点。 Chatlas还集成了Witseveral LLM提供程序。使用，首先实例化Chatlas Chat连接类，然后通过 .llm.use（）函数将其传递给Polars数据框架：来自