langchain_community.embeddings.baichuan.BaichuanTextEmbeddings

class langchain_community.embeddings.baichuan.BaichuanTextEmbeddings

继承: BaseModel, Embeddings

百川文本嵌入模型。

配置

使用时，应将环境变量 BAICHUAN_API_KEY 设置为您的API密钥，或将它作为构造函数的命名参数传递。

export BAICHUAN_API_KEY="your-api-key"

实例化

from langchain_community.embeddings import BaichuanTextEmbeddings

embeddings = BaichuanTextEmbeddings()

嵌入

# embed the documents
vectors = embeddings.embed_documents([text1, text2, ...])

# embed the query
vectors = embeddings.embed_query(text)

通过解析和验证从关键字参数输入的数据来创建一个新的模型。

如果输入数据无法解析为有效的模型，将引发 ValidationError。

参数baichuan_api_key : Optional[SecretStr] = None (别名 'api_key')

如果没有提供，将自动从环境变量 BAICHUAN_API_KEY 中推断。

约束

• 类型 = 字符串

• 只写 = True

• 格式 = 密码

参数chunk_size : int = 16

多文本输入时的块大小

参数model_name : str = 'Baichuan-Text-Embedding' (别名 'model')

用于嵌入文档的模型。

asyncaembed_documents(texts: List[str]) → List[List[float]]

异步嵌入搜索文档。

参数

texts (列表[[字符串]]) – 要嵌入的文本列表。

返回

嵌入列表。

返回类型

列表[[浮点数]]

asyncaembed_query(text: str) → List[float]

异步嵌入查询文本。

参数

text (字符串) – 要嵌入的文本。

返回

嵌入。

返回类型

列表[[浮点数]]

embed_documents(texts: List[str]) → Optional[List[List[float]]]

获取文档列表嵌入的公开方法。

参数

texts (列表字符串) – 要嵌入的文本列表。

返回

每个文本的嵌入列表，或在发生错误时为 None。

返回类型

可选的列表字符串列表

embed_query(text: str) → Optional[List[float]]

获取单个查询文本嵌入的公开方法。

参数

text (字符串) – 要嵌入的文本。

返回

文本的嵌入，或在发生错误时为 None。

返回类型

可选的列表浮点数

BaichuanTextEmbeddings 的使用示例

• 百川

• 百川文本嵌入