`langchain_community.embeddings.minimax`.MiniMaxEmbeddings¶

class langchain_community.embeddings.minimax.MiniMaxEmbeddings[source]¶

基础： BaseModel，Embeddings

MiniMax 嵌入模型集成。

配置

要使用，您应该设置环境变量 MINIMAX_GROUP_ID 和 MINIMAX_API_KEY 为您的 API 令牌。

export MINIMAX_API_KEY="your-api-key"
export MINIMAX_GROUP_ID="your-group-id"

关键初始化参数 - 完成参数

model: Optional[str]: 要使用的 ZhipuAI 模型的名称。
api_key: Optional[str]: 如果没有提供，会自动从环境变量 MINIMAX_GROUP_ID 中推断。
group_id: Optional[str]: 如果没有提供，会自动从环境变量 MINIMAX_GROUP_ID 中推断。

在参数部分查看支持的所有初始化参数及其描述的完整列表。

实例化

from langchain_community.embeddings import MiniMaxEmbeddings

embed = MiniMaxEmbeddings(
    model="embo-01",
    # api_key="...",
    # group_id="...",
    # other
)

嵌入单个文本

input_text = "The meaning of life is 42"
embed.embed_query(input_text)

[0.03016241, 0.03617699, 0.0017198119, -0.002061239, -0.00029994643, -0.0061320597, -0.0043635326, ...]

嵌入多个文本

input_texts = ["This is a test query1.", "This is a test query2."]
embed.embed_documents(input_texts)

[
    [-0.0021588828, -0.007608119, 0.029349545, -0.0038194496, 0.008031177, -0.004529633, -0.020150753, ...],
    [ -0.00023150232, -0.011122423, 0.016930554, 0.0083089275, 0.012633711, 0.019683322, -0.005971041, ...]
]

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，将引发 ValidationError。

param embed_type_db : str = 'db'¶: 对于 embed_documents

param embed_type_query : str = 'query'¶: 对于 embed_query

param endpoint_url : str = 'https://api.minimax.chat/v1/embeddings'¶: 要使用的端点 URL。

param minimax_api_key : Optional[SecretStr] = None (alias 'api_key')¶

MiniMax API 的 API 密钥。

约束

type = string
writeOnly = True
format = password

param minimax_group_id : Optional[str] = None (alias 'group_id')¶: MiniMax API 的组 ID。

param model: str = 'embo-01'¶: 要使用的嵌入模型名称。

async 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[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], embed_type: str) → List[List[float]][source]¶

参数

texts (列表[str]) –
embed_type (str) –

返回类型

列表[列表[float]]

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

使用MiniMax嵌入端点嵌入文档。

参数: texts (列表[str]) – 要嵌入的文本列表。
返回: 嵌入列表，每个文本对应一个嵌入。
返回类型: 列表[列表[float]]

embed_query(text: str) → List[float][源代码]¶

使用MiniMax嵌入端点嵌入查询。

参数: text (str) – 要嵌入的文本。
返回: 文本的嵌入。
返回类型: 列表[float]

langchain_community.embeddings.minimax.MiniMaxEmbeddings¶

使用MiniMaxEmbeddings的示例¶

`langchain_community.embeddings.minimax`.MiniMaxEmbeddings¶