langchain_community.embeddings.premai.PremAIEmbeddings

class langchain_community.embeddings.premai.PremAIEmbeddings¶

基类： BaseModel，Embeddings

普瑞姆的嵌入API

通过解析和验证输入参数来创建一个新的模型。

如果输入数据无法解析成有效的模型，将引发ValidationError。

参数client: Any = None

参数max_retries: int = 1

tenacity的重试最大次数

参数model: str [必须]

选择的嵌入模型

参数premai_api_key: Optional[SecretStr] = None

普瑞姆AI API密钥。在这里获取： https://app.premai.io/api_keys/

约束条件

• 类型 = 字符串

• 写操作 = True

• 格式 = 密码

参数project_id: int [必须]

实验或部署执行的项目ID。您可以在以下位置找到所有项目：https://app.premai.io/projects/

参数show_progress_bar: bool = False

是否显示tqdm进度条。必须安装tqdm。

异步 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。

返回值

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) – 需要嵌入的文本。

返回值

嵌入向量。

返回类型

列表[float]

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

嵌入搜索文档。

参数

texts (列表[str]) – 要嵌入的文本列表。

返回值

嵌入列表。

返回类型

列表[列表[float]]

embed_query(text: str) → List[float]

嵌入查询文本

参数

text (str) –

返回类型

列表[float]

使用 PremAIEmbeddings 的示例

• PremAI