langchain_community.embeddings.edenai.EdenAiEmbeddings

class langchain_community.embeddings.edenai.EdenAiEmbeddings

继承自: BaseModel, Embeddings

EdenAI嵌入。使用您的API密钥设置环境变量EDENAI_API_KEY，或将其作为命名参数传递。

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，则抛出ValidationError。

参数edenai_api_key : 可选[SecretStr] = None

EdenAI API令牌

约束条件

• 类型 = 字符串

• 只写 = True

• 格式 = 密码

参数model : 可选[str] = None

上面提供者的模型名称（例如，对于openai使用“gpt-3.5-turbo-instruct”）。可在“https://docs.edenai.co/”下的“available providers”中找到可用模型。

参数provider : str = 'openai'

要使用的嵌入提供者（例如：openai、google等）

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（浮点数））

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

异步嵌入文本查询。

参数

文本 (str) – 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]]

使用EdenAI嵌入文档列表。

参数

texts (List[str]) – 要嵌入的文本列表。

返回

每个文本的嵌入列表。

返回类型

列表（列表（浮点数））

embed_query(text: str) → List[float]

使用EdenAI嵌入查询。

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）

static get_user_agent() → str

返回类型

str

使用《EdenAiEmbeddings》的示例

• EDEN AI

• Eden AI