langchain_community.embeddings.gigachat.GigaChatEmbeddings

class langchain_community.embeddings.gigachat.GigaChatEmbeddings[来源]

基类：BaseModel，Embeddings

GiGaChat 推断模型。

示例

通过解析和验证输入参数创建一个新的模型。

如果输入数据无法解析为有效的模型，将引发 ValidationError。

参数 access_token: Optional[str] = None

GiGaChat 认证令牌

参数 auth_url: Optional[str] = None

认证 URL

参数 base_url: Optional[str] = None

基础 API URL

参数 ca_bundle_file: Optional[str] = None
参数 cert_file: Optional[str] = None
参数 credentials: Optional[str] = None

认证令牌

参数 key_file: Optional[str] = None
参数 key_file_password: 可选[str] = None
参数 model: 可选[str] = None

要使用的模型名称。

参数 password: 可选[str] = None

认证时使用的密码。

参数 scope: 可选[str] = None

访问令牌的权限范围。

参数 timeout: 可选[float] = 600

请求的超时时间。默认情况下适用于长时间请求。

参数 user: 可选[str] = None

用于认证的用户名。

参数 verify_ssl_certs: 可选[bool] = None

对所有请求检查SSL证书。

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

使用GigaChat嵌入模型嵌入文档。

参数

texts (列表str]) – 要嵌入的文本列表。

返回

嵌入列表，每个文本一个。

返回类型

列表[列表[float]]

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

使用GigaChat嵌入模型嵌入查询。

参数

text (str) – 要嵌入的文本。

返回

文本的嵌入。

返回类型

列表[float]

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

使用GigaChat嵌入模型嵌入文档。

参数

texts (列表str]) – 要嵌入的文本列表。

返回

嵌入列表，每个文本一个。

返回类型

列表[列表[float]]

embed_query(text: str) → List[float]

使用GigaChat嵌入模型嵌入查询。

参数

text (str) – 要嵌入的文本。

返回

文本的嵌入。

返回类型

列表[float]

使用GigaChatEmbeddings的示例