langchain_core.embeddings.fake.DeterministicFakeEmbedding

class langchain_core.embeddings.fake.DeterministicFakeEmbeddinga

基础： Embeddings， BaseModel

用于单元测试的确定性的模拟嵌入模型。

该嵌入模型通过从以文本哈希为基础的种子生成的一个正态分布中进行采样来创建嵌入。

不要在生产环境中使用此模型，因为它不是一个真实的嵌入模型。

示例

from langchain_core.embeddings import DeterministicFakeEmbedding

fake_embeddings = DeterministicFakeEmbedding(size=100)
fake_embeddings.embed_documents(["hello world", "foo bar"])

通过解析和验证关键字参数的输入数据来创建一个新的模型。

如果输入数据无法解析成有效模型，将引发ValidationError。

param size: int [Required]

嵌入向量的大小。

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]]

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]]

embed_query(text: str) → List[float]

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]

使用DeterministicFakeEmbedding的示例

• Elasticsearch