Cohere 使用教程：从入门到上手

Cohere 是什么

Cohere 是一家总部位于加拿大的 AI 公司，主打企业级大语言模型（LLM）。它不像 ChatGPT 那样面向普通聊天用户，而是更侧重给开发者、企业提供底层能力。其核心产品是 Command R 系列模型，专为 RAG（检索增强生成）场景设计——简单说，就是让 AI 在回答问题时，能主动去查你给的资料库，而不是只凭训练数据瞎编。目前 Cohere 提供三个主要功能：Command R（生成和对话）、Rerank（排序优化搜索结果）、Embeddings（把文本转成向量用于检索）。

核心功能怎么用

Command R 是主力模型，支持多轮对话、代码生成、翻译等常见任务。调用时只需传入用户消息，它就能返回连贯回答。关键参数包括 temperature（控制随机性，0-1）、max_tokens（限制输出长度）。例如，用 Python SDK 调用：

import cohere
co = cohere.Client('你的API密钥')
response = co.generate(
    model='command-r',
    prompt='用中文解释什么是RAG',
    max_tokens=200
)
print(response.generations[0].text)

Rerank 是 Cohere 的杀手锏。当你从数据库里检索出上百条相关文本，Rerank 能根据用户问题重新排序，把最相关的几条顶到前面。用法很简单：传入查询语句和文档列表，返回排序后的索引和置信度分数。这在构建企业知识库问答时特别有用——先靠关键词或向量检索粗筛，再用 Rerank 精排。

Embeddings 用来把文本转成向量。你可以把公司文档、客服记录都向量化存入数据库。查询时，把用户问题也转成向量，然后计算相似度找到最匹配的文档。Cohere 提供多种嵌入模型，比如 embed-english-v3.0 和 embed-multilingual-v3.0（支持中文）。

第一次上手步骤

1. 注册账号：访问 Cohere 官网（国内访问受限，可看国产替代如百度文心、阿里通义千问的类似功能），用邮箱注册。不需要绑信用卡，免费套餐够个人试用。
2. 获取 API 密钥：登录后在 Dashboard 的 API Keys 页面生成一个密钥，复制下来。
3. 安装 SDK：在终端运行 pip install cohere（Python 环境）。
4. 写第一段代码：新建一个 Python 文件，填入以下内容测试 Command R：

import cohere
co = cohere.Client('你的API密钥')
response = co.chat(
    model='command-r',
    message='你好，请用一句话介绍自己'
)
print(response.text)

运行后如果看到 AI 回复，就说明成功了。接下来可以试试 Rerank：准备一个文档列表，比如 ["苹果是水果", "苹果是公司", "苹果是红色"]，然后问“苹果公司”，Rerank 会把第二条排第一。

适合什么场景

• 企业知识库问答：把内部文档（产品手册、流程规范）向量化存储，员工提问时，先用 Embeddings 检索，再用 Command R 生成回答，最后 Rerank 确保答案准确。适合客服、HR、IT 支持等场景。
• 内容审核与分类：用 Embeddings 把违规文本转成向量，比对已知违规样本，快速标记。Rerank 还能优化审核队列，把最可疑的排前面。
• 多语言文档处理：Command R 支持多语言，Embeddings 也有多语言版本，适合跨国公司的文档翻译、跨语言搜索。

价格说明

Cohere 采用按 token 计费，免费套餐提供一定额度（具体额度随政策调整），超过后需付费。付费套餐起价按 token 数算，Command R 和 Embeddings 价格不同。例如，Command R 的输入和输出 token 分别计费，Embeddings 按向量维度收费。具体价格需查看官网定价页（国内访问受限，可看国产替代的类似定价）。注意：免费套餐有速率限制，高并发场景需升级付费。