`langchain_community.embeddings.bookend`.BookendEmbeddings¶

class langchain_community.embeddings.bookend.BookendEmbeddings[source]¶

基类: BaseModel, Embeddings

Bookend AI 句子转换器嵌入模型。

示例

from langchain_community.embeddings import BookendEmbeddings

bookend = BookendEmbeddings(
    domain={domain}
    api_token={api_token}
    model_id={model_id}
)
bookend.embed_documents([
    "Please put on these earmuffs because I can't you hear.",
    "Baby wipes are made of chocolate stardust.",
])
bookend.embed_query(
    "She only paints with bold colors; she does not like pastels."
)

通过解析和验证输入参数中的数据来创建一个新模型。

如果输入数据无法解析成有效的模型，将抛出 ValidationError。

参数api_token: str [必需]¶: 请访问 https://bookend.ai/ 以获取此嵌入模块的API令牌。

参数auth_header: dict [可选]¶

参数domain: str [必需]¶: 请访问 https://bookend.ai/ 以获取此嵌入模块的域。

参数model_id: str [必需]¶: 要使用的嵌入模型ID。

异步aembed_documents(texts: List[str]) → List[List[float]]¶

异步嵌入文档搜索。

参数: texts (列表[str]) – 要嵌入的文本列表。
返回: 嵌入列表。
返回类型: 列表列表[float]

异步aembed_query(text: str) → List[float]¶

异步嵌入查询文本。

参数: text (str) – 要嵌入的文本。
返回: 嵌入。
返回类型: 列表[float]

embed_documents(texts: List[str]) → List[List[float]][来源]¶

使用Bookend部署的嵌入模型嵌入文档。

参数: texts (List[str]) – 待嵌入的文本列表。
返回: 每个文本一个嵌入，形成嵌入列表。
返回类型: 列表列表[float]

embed_query(text: str) → List[float][来源]¶

使用Bookend部署的嵌入模型嵌入查询。

参数: text (str) – 待嵌入的文本。
返回: 文本的嵌入。
返回类型: 列表[float]

使用BookendEmbeddings的示例¶

Bookend AI

langchain_community.embeddings.bookend.BookendEmbeddings¶

使用BookendEmbeddings的示例¶

`langchain_community.embeddings.bookend`.BookendEmbeddings¶