langchain_community.embeddings.textembed.TextEmbedEmbeddings

class langchain_community.embeddings.textembed.TextEmbedEmbeddings[source]

基础:BaseModelEmbeddings

一个用于处理向TextEmbed API发送嵌入请求的类。

model

用于嵌入的TextEmbed模型ID。

api_url

TextEmbed API的基础URL。

api_key

用于验证TextEmbed API的API密钥。

client

TextEmbed客户端实例。

示例

from langchain_community.embeddings import TextEmbedEmbeddings

embeddings = TextEmbedEmbeddings(
    model="sentence-transformers/clip-ViT-B-32",
    api_url="http://localhost:8000/v1",
    api_key="<API_KEY>"
)

更多信息: https://github.com/kevaldekivadiya2415/textembed/blob/main/docs/setup.md

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,则引发ValidationError。

参数api_key: str = 'None'

用于认证的API密钥

参数api_url: str = 'http://localhost:8000/v1'

要使用的端点URL。

参数client: Any = None

TextEmbed客户端。

参数model: str [必需]

底层的TextEmbed模型ID。

异步aembed_documents(texts: List[str]) List[List[float]][source]

异步调用TextEmbed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,每个文本一个。

返回类型

列表[列表[float]]

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

异步调用TextEmbed的嵌入端点以对单个查询进行嵌入。

参数

text (str) – 要嵌入的文本。

返回

文本的嵌入。

返回类型

浮点列表

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

调用TextEmbed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,每个文本一个。

返回类型

列表[列表[float]]

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

调用TextEmbed的嵌入端点以对单个查询进行嵌入。

参数

text (str) – 要嵌入的文本。

返回

文本的嵌入。

返回类型

浮点列表