Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Usa Jupyter AI nel nostro Studio Classic JupyterLab
Puoi usare Jupyter AI in JupyterLab o Studio Classic richiamando modelli linguistici dall'interfaccia utente della chat o dalle celle del notebook. Nelle sezioni seguenti vengono fornite informazioni sulle fasi necessarie per completare questa operazione.
## Utilizzo dei modelli linguistici dell’interfaccia utente della chat
Scrivi il tuo messaggio nella casella di testo dell’interfaccia utente della chat per iniziare a interagire con il tuo modello. Per cancellare la cronologia dei messaggi, utilizza il comando `/clear`.
**Nota**
La cancellazione della cronologia dei messaggi non cancella il contesto della chat del provider di modelli.
## Utilizzo dei modelli linguistici dalle celle del notebook
Prima di utilizzare i `%ai` comandi `%%ai` and per richiamare un modello di linguaggio, carica l' IPython estensione eseguendo il comando seguente in una JupyterLab cella del notebook Studio Classic.
```
%load_ext jupyter_ai_magics
```
+ **Per i modelli ospitati da: AWS**
+ Per richiamare un modello distribuito nell' SageMaker intelligenza artificiale, passa la stringa `sagemaker-endpoint:endpoint-name` al comando `%%ai` magic con i parametri richiesti di seguito, quindi aggiungi il prompt nelle righe seguenti.
La tabella seguente elenca i parametri obbligatori e facoltativi quando si richiamano modelli ospitati da SageMaker AI o Amazon Bedrock.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/sagemaker-jupyterai-use.html)
Il comando seguente richiama un modello [Llama2-7b](https://sagemaker.readthedocs.io/en/stable/doc_utils/pretrainedmodels.html) ospitato da AI. SageMaker
```
%%ai sagemaker-endpoint:jumpstart-dft-meta-textgeneration-llama-2-7b -q {"inputs":"","parameters":{"max_new_tokens":64,"top_p":0.9,"temperature":0.6,"return_full_text":false}} -n us-east-2 -p [0].generation -m {"endpoint_kwargs":{"CustomAttributes":"accept_eula=true"}} -f text
Translate English to French:
sea otter => loutre de mer
peppermint => menthe poivrée
plush girafe => girafe peluche
cheese =>
```
L'esempio seguente richiama un modello FLAN-T5-Small ospitato da AI. SageMaker
```
%%ai sagemaker-endpoint:hf-text2text-flan-t5-small --request-schema={"inputs":"","parameters":{"num_return_sequences":4}} --region-name=us-west-2 --response-path=[0]["generated_text"] -f text
What is the atomic number of Hydrogen?
```
+ Per richiamare un modello distribuito in Amazon Bedrock, passa la stringa `bedrock:model-name` al comando `%%ai` magic con qualsiasi parametro opzionale definito nell'elenco dei [parametri per richiamare i modelli ospitati da o JumpStart Amazon Bedrock](#sagemaker-jupyterai-jumpstart-inference-params), quindi aggiungi il prompt nelle righe seguenti.
L'esempio seguente richiama un [modello AI21 Labs Jurassic-2 ospitato](https://docs.aws.amazon.com/bedrock/latest/userguide/model-parameters-jurassic2.html) da Amazon Bedrock.
```
%%ai bedrock:ai21.j2-mid-v1 -m {"model_kwargs":{"maxTokens":256}} -f code
Write a function in python implementing a bubbble sort.
```
+ **Per i modelli ospitati da provider di terze parti**
Per invocare un modello ospitato da provider di terze parti, passa la stringa `provider-id:model-name` al comando magic `%%ai` con un [`Output format`](#sagemaker-jupyterai-output-format-params) facoltativo, quindi aggiungi il prompt nelle righe seguenti. Puoi trovare i dettagli di ciascun provider, incluso il relativo ID, nell’[elenco dei provider di modelli](https://jupyter-ai.readthedocs.io/en/latest/users/index.html#model-providers) di Jupyter AI.
Il comando seguente chiede a un modello Anthropic Claude di generare un file HTML con l’immagine di un quadrato bianco con bordi neri.
```
%%ai anthropic:claude-v1.2 -f html
Create a square using SVG with a black border and white fill.
```