`langchain_community.embeddings.databricks`.DatabricksEmbeddings¶

class langchain_community.embeddings.databricks.DatabricksEmbeddings[source]¶

基础：MlflowEmbeddings

Databricks嵌入。

要使用，您应该已安装mlflow Python包。更多信息请参阅https://mlflow.org/docs/latest/llms/deployments。

示例

from langchain_community.embeddings import DatabricksEmbeddings

embeddings = DatabricksEmbeddings(
    target_uri="databricks",
    endpoint="embeddings",
)

param documents_params: Dict[str, str] = {}¶

param endpoint: str [Required]¶: 要使用的端点。

param query_params: Dict[str, str] = {}¶: 用于文档的参数。

param target_uri: str = 'databricks'¶: 要使用的目标URI。默认为databricks。

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

异步嵌入搜索文档。

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]]

async 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(texts: List[str], params: Dict[str, str]) → List[List[float]]¶

参数

texts (列表[字符串]) –
params (字典[字符串, 字符串]) –

返回类型

列表[列表[float]]

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

嵌入搜索文档。

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]]

embed_query(text: str) → List[float]¶

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]

使用 DatabricksEmbeddings 的示例¶

langchain_community.embeddings.databricks.DatabricksEmbeddings¶

使用 DatabricksEmbeddings 的示例¶

`langchain_community.embeddings.databricks`.DatabricksEmbeddings¶