langchain_community.embeddings.clarifai.ClarifaiEmbeddings

class langchain_community.embeddings.clarifai.ClarifaiEmbeddings

基础类：BaseModel，Embeddings

Clarifai 嵌入模型。

要使用，您需要安装 clarifai Python 包，并设置环境变量 CLARIFAI_PAT，使用您的个人访问令牌，或将其作为命名参数传递给构造函数。

示例

from langchain_community.embeddings import ClarifaiEmbeddings
clarifai = ClarifaiEmbeddings(user_id=USER_ID,
                              app_id=APP_ID,
                              model_id=MODEL_ID)
                 (or)
Example_URL = "https://clarifai.com/clarifai/main/models/BAAI-bge-base-en-v15"
clarifai = ClarifaiEmbeddings(model_url=EXAMPLE_URL)

通过解析和验证从关键字参数传入的输入数据来创建一个新的模型。

如果输入数据无法解析成有效模型，将抛出 ValidationError。

参数api_base: str = 'https://api.clarifai.com'

参数app_id: Optional[str] = None

要使用的 Clarifai 应用程序 ID。

参数model_id: Optional[str] = None

要使用的模型 ID。

参数model_url: Optional[str] = None

要使用的模型 URL。

参数model_version_id: Optional[str] = None

要使用的模型版本 ID。

参数pat: Optional[str] = None

要使用的 Clarifai 个人访问令牌。

参数 token: Optional[str] = None

用于的 Clarifai 会话令牌。

参数 user_id: Optional[str] = None

要使用的 Clarifai 用户 ID。

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

异步文档嵌入搜索。

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[\浮点数]\]

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

异步嵌入文本查询。

参数

text (文本) – 要嵌入的文本。

返回

嵌入。

返回类型

列表[\浮点数]\

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

调用 Clarifai 的嵌入模型。

参数

texts (列表[\str]\) – 要嵌入的文本列表。

返回

每个文本都对应一个嵌入列表。

返回类型

列表[\列表[\浮点数]\]

embed_query(text: str) → List[float]

调用 Clarifai 的嵌入模型。

参数

text (str) – 要嵌入的文本。

返回

文本的嵌入。

返回类型

列表[\浮点数]\

使用 ClarifaiEmbeddings 的示例

• Clarifai