langchain_community.embeddings.embaas.EmbaasEmbeddings

class langchain_community.embeddings.embaas.EmbaasEmbeddings

基础： BaseModel，Embeddings

Embaas嵌入服务。

使用时，您应设置环境变量EMBAAS_API_KEY并使用API密钥，或将其作为构造函数的命名参数传递。

示例

# initialize with default model and instruction
from langchain_community.embeddings import EmbaasEmbeddings
emb = EmbaasEmbeddings()

# initialize with custom model and instruction
from langchain_community.embeddings import EmbaasEmbeddings
emb_model = "instructor-large"
emb_inst = "Represent the Wikipedia document for retrieval"
emb = EmbaasEmbeddings(
    model=emb_model,
    instruction=emb_inst
)

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为有效模型，将引发ValidationError。

参数api_url:str='https://api.embaas.io/v1/embeddings/'

embaas嵌入API的URL。

参数embaas_api_key:Optional[SecretStr]=None

请求的重试最大次数

约束

• 类型 = 字符串

• 只写 = True

• 格式 = 密码

参数instruction:Optional[str]=None

用于特定领域嵌入的指令。

参数max_retries:Optional[int]=3

请求的秒数超时

参数model:str=''e5-large-v2'

用于嵌入的模型。

参数timeout:Optional[int]=30

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

异步嵌入搜索文档。

参数

texts (List[str]) – 需要嵌入的文本列表。

返回

嵌入列表。

返回类型

List[List[float]]

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

异步嵌入查询文本。

参数

text (str) – 需要嵌入的文本。

返回

嵌入结果。

返回类型

List[float]

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

为文本列表获取嵌入。

参数

texts (List[str]) – 需要获取嵌入的文本列表。

返回

嵌入结果列表，每个文本一个。

返回类型

List[List[float]]

embed_query(text: str) → List[float]

为单个文本获取嵌入。

参数

text (str) – 需要获取嵌入的文本。

返回

嵌入列表。

返回类型

List[float]

使用 EmbaasEmbeddings 的示例

• Embaas