langchain_community.embeddings.baidu_qianfan_endpoint
.QianfanEmbeddingsEndpoint¶
- class langchain_community.embeddings.baidu_qianfan_endpoint.QianfanEmbeddingsEndpoint[source]¶
基础:
BaseModel
,Embeddings
百度千帆嵌入模型。
- 设置
使用时,您应该安装了
qianfan
Python 包,并设置环境变量QIANFAN_AK
和QIANFAN_SK
。pip install qianfan export QIANFAN_AK="your-api-key" export QIANFAN_SK="your-secret_key"
- 实例化
from langchain_community.embeddings import QianfanEmbeddingsEndpoint embeddings = QianfanEmbeddingsEndpoint()
- 嵌入
# embed the documents vectors = embeddings.embed_documents([text1, text2, ...]) # embed the query vectors = embeddings.embed_query(text) # embed the documents with async vectors = await embeddings.aembed_documents([text1, text2, ...]) # embed the query with async vectors = await embeddings.aembed_query(text)
通过解析和验证输入数据(来自关键字参数)来创建一个新模型。
如果输入数据不能解析成有效的模型,则会引发
ValidationError
。- 参数chunk_size: int = 16¶
多文本输入时的块大小
- 参数client: Any = None¶
千帆客户端
- 参数endpoint: str = ''¶
千帆嵌入的端点,如果使用自定义模型,则为必要参数。
- 参数init_kwargs: Dict[str, Any] [可选]¶
为千帆客户端初始化的 init_kwargs,例如与千帆资源对象关联以限制 QPS 的 query_per_second。
- 参数model: str = 'Embedding-V1'¶
您可以从以下链接获取模型名称:[https://cloud.baidu.com/doc/WENXINWORKSHOP/s/Nlks5zkzu](https://cloud.baidu.com/doc/WENXINWORKSHOP/s/Nlks5zkzu)
目前,我们支持 Embedding-V1 和 - Embedding-V1(默认模型) - bge-large-en - bge-large-zh
预置模型映射到端点。如果设置了 endpoint,则 model 将被忽略。
- 参数model_kwargs: Dict[str, Any] [可选]¶
使用 do 调用模型时使用的其他参数。
- param qianfan_ak: Optional[SecretStr] = None (alias 'api_key')¶
千帆应用API密钥
- 约束
类型 = 字符串
只写 = 真实
格式 = 密码
- param qianfan_sk: Optional[SecretStr] = None (alias 'secret_key')¶
千帆应用密钥
- 约束
类型 = 字符串
只写 = 真实
格式 = 密码
- async aembed_documents(texts: List[str]) List[List[float]] [source]¶
异步文档嵌入搜索。
- 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[列表[float]]
- async aembed_query(text: str) List[float] [source]¶
异步查询文本嵌入。
- 参数
text (字符串) – 要嵌入的文本。
- 返回
嵌入。
- 返回类型
列表[float]