langchain_community.embeddings.llm_rails.LLMRailsEmbeddings

类 langchain_community.embeddings.llm_rails.LLMRailsEmbeddings

基础：BaseModel，Embeddings

LLMRails 嵌入模型。

使用时，您应该设置环境变量 LLM_RAILS_API_KEY 为您的 API 密钥，或者将其作为构造函数的命名参数传递。

模型可以是以下之一：[“embedding-english-v1”,”embedding-multi-v1”]

示例

from langchain_community.embeddings import LLMRailsEmbeddings
cohere = LLMRailsEmbeddings(
    model="embedding-english-v1", api_key="my-api-key"
)

通过解析和验证输入数据从关键字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api_key:Optional[SecretStr] =None

LLMRails API 密钥。

约束

• 类型 = 字符串

• 只写 = True

• 格式 = 密码

参数model:str ='embedding-english-v1'

要使用的模型名称。

asyncaembed_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[float]]

asyncaembed_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_documents(texts: List[str]) → List[List[float]]

调用Cohere的嵌入端点。

参数

texts (列表[str]) – 要嵌入的文本列表。

返回

嵌入列表，每个列表对应一个文本。

返回类型

列表[列表[float]]

embed_query(text: str) → List[float]

调用Cohere的嵌入端点。

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LLMRailsEmbeddings的示例

• LLMRails