langchain_community.embeddings.anyscale.AnyscaleEmbeddings¶
- class langchain_community.embeddings.anyscale.AnyscaleEmbeddings[源代码]¶
继承自:
OpenAIEmbeddingsAnyscale Embeddings API。
通过解析和验证输入参数中的数据来创建一个新的模型。
如果输入数据无法解析成有效的模型，将引发 ValidationError。
- 参数 allowed_special: Union[Literal['all'], Set[str]] = {}¶
- 参数 anyscale_api_base : str = 'https://api.endpoints.anyscale.com/v1'¶
API请求的基础URL路径。
- 参数 anyscale_api_key : SecretStr = None¶
Anyscale端点API密钥。
- 约束
类型 = 字符串
只写 = True
格式 = 密码
- 参数 chunk_size : int = 1000¶
每批嵌入的最大文本数量
- 参数 default_headers : Union[Mapping[str, str], None] = None¶
- param default_query: Union[Mapping[str, object], None] = None¶
- param deployment: Optional[str] = 'text-embedding-ada-002'¶
- param disallowed_special: Union[Literal['all'], Set[str], Sequence[str]] = 'all'¶
- param embedding_ctx_length: int = 500¶
每次嵌入的令牌最大数量。
- param headers: Any = None¶
- param http_client: Union[Any, None] = None¶
可选的httpx.Client。
- param max_retries: int = 2¶
生成时最大重试次数。
- 参数 model: str = 'thenlper/gte-large'¶
要使用的模型名称。
- 参数 model_kwargs: Dict[str, Any] [可选]¶
保存所有有效的模型参数，用于 create 调用，但没有明确指定。
- 参数 openai_api_base: Optional[str] = None (别名 'base_url')¶
API请求的基本URL路径，如果不使用代理或服务模拟器，则留空。
- 参数 openai_api_key: Optional[str] = None (别名 'api_key')¶
如果未提供，将自动从环境变量 OPENAI_API_KEY 中推断。
- 参数 openai_api_type: Optional[str] = None¶
- 参数 openai_api_version: Optional[str] = None (别名 'api_version')¶
如果未提供，将自动从环境变量 OPENAI_API_VERSION 中推断。
- 参数 openai_organization: Optional[str] = None (别名 'organization')¶
如果未提供，将自动从环境变量 OPENAI_ORG_ID 中推断。
- 参数 openai_proxy: Optional[str] = None¶
- 参数 request_timeout: Optional[Union[float, Tuple[float, float], Any]] = None (别名'timeout')¶
请求OpenAI完成API的超时时间。可以是浮点数、httpx.Timeout或None。
- 参数 retry_max_seconds: int = 20¶
重试之间的最大等待秒数
- 参数 retry_min_seconds: int = 4¶
重试之间的最小等待秒数
- 参数 show_progress_bar: bool = False¶
在嵌入时是否显示进度条
- 参数 skip_empty: bool = False¶
在嵌入时是否跳过空字符串或引发错误。默认情况下不跳过。
- 参数 tiktoken_enabled: bool = False¶
对于非OpenAI实现的嵌入API，请将此设置为False
- 参数 tiktoken_model_name: Optional[str] = None¶
在使用该类时，传递给Tiktoken的模式名称。Tiktoken用于统计文档中的令牌数量，以将它们限制在一定限制内。默认情况下，当设置为None时，这与嵌入模型的名称相同。但是，在某些情况下，您可能希望使用此嵌入类与不支持Tiktoken的模式名称。这可能包括在使用Azure嵌入或使用许多公开类似OpenAI API但使用不同模型的一个模型提供者时。在这些情况下，为了避免在调用Tiktoken时出错，您可以在此处指定要使用的模型名称。
- async aembed_documents(texts: List[str], chunk_size: Optional[int] = 0) List[List[float]]¶
异步调用OpenAI的嵌入端点进行嵌入搜索文档。
- 参数
texts (List[str]) – 要嵌入的文本列表。
chunk_size (Optional[int]) – 嵌入的块大小。如果为None，将使用类指定的块大小。
- 返回
嵌入列表，每个文本一个。
- 返回类型
List[List[float]]
- async aembed_query(text: str) List[float]¶
异步调用OpenAI的嵌入端点进行嵌入查询文本。
- 参数
text (str) – 要嵌入的文本。
- 返回
文本的嵌入。
- 返回类型
List[float]
- embed_documents(texts: List[str], chunk_size: Optional[int] = 0) List[List[float]]¶
调用OpenAI的嵌入端点以嵌入搜索文档。
- 参数
texts (List[str]) – 要嵌入的文本列表。
chunk_size (Optional[int]) – 嵌入的块大小。如果为None，将使用类指定的块大小。
- 返回
嵌入列表，每个文本一个。
- 返回类型
List[List[float]]
- embed_query(text: str) List[float]¶
调用OpenAI的嵌入端点以嵌入查询文本。
- 参数
text (str) – 要嵌入的文本。
- 返回
文本的嵌入。
- 返回类型
List[float]