`langchain_community.embeddings.mosaicml`.MosaicMLInstructorEmbeddings¶

class langchain_community.embeddings.mosaicml.MosaicMLInstructorEmbeddings[source]¶

基础：BaseModel，Embeddings

MosaicML嵌入式服务。

使用时，您需要设置环境变量MOSAICML_API_TOKEN，其中包含您的API令牌，或者将其作为构造函数的命名参数传递。

示例

from langchain_community.llms import MosaicMLInstructorEmbeddings
endpoint_url = (
    "https://models.hosted-on.mosaicml.hosting/instructor-large/v1/predict"
)
mosaic_llm = MosaicMLInstructorEmbeddings(
    endpoint_url=endpoint_url,
    mosaicml_api_token="my-api-key"
)

通过解析和验证关键字参数中的输入数据来创建新模型。

如果输入数据无法解析为有效的模型，则抛出ValidationError。

参数embed_instruction: str= '表示该文档以供检索：'¶: 用于嵌入文档的指令。

参数endpoint_url: str= 'https://models.hosted-on.mosaicml.hosting/instructor-xl/v1/predict'¶: 要使用的端点URL。

参数mosaicml_api_token: Optional[str]= None¶

参数query_instruction: str= '表示该问题以检索支持文档：'¶: 用于嵌入查询的指令。

参数retry_sleep: float= 1.0¶: 如果遇到速率限制，尝试休眠多长时间。

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

异步嵌入搜索文档。

参数: texts (List[str]) – 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) – 要嵌入的文本。
返回: 嵌入。
返回类型: List[float]

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

使用MosaicML部署的讲师嵌入模型嵌入文档。

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: List[List[float]]

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

使用MosaicML部署的讲师嵌入模型嵌入查询。

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

使用MosaicMLInstructorEmbeddings的示例¶

MosaicML

langchain_community.embeddings.mosaicml.MosaicMLInstructorEmbeddings¶

使用MosaicMLInstructorEmbeddings的示例¶

`langchain_community.embeddings.mosaicml`.MosaicMLInstructorEmbeddings¶