langchain_mistralai.embeddings.MistralAIEmbeddings

class langchain_mistralai.embeddings.MistralAIEmbeddings

基类：BaseModel，Embeddings

MistralAI 嵌入模型。

使用时，请将环境变量 MISTRAL_API_KEY 设置为您的 API 密钥，或将其作为命名参数传递给构造函数。

示例

from langchain_mistralai import MistralAIEmbeddings

mistral = MistralAIEmbeddings(
    model="mistral-embed",
    api_key="my-api-key"
)

通过解析和验证从关键字参数输入的数据来创建一个新模型。

如果输入数据无法解析以形成有效的模型，将引发 ValidationError。

参数 endpoint: str = 'https://api.mistral.ai/v1/'

参数 max_concurrent_requests: int = 64

参数 max_retries: int = 5

参数 mistral_api_key: Optional[SecretStr] = None (别名 'api_key')

限制

• 类型 = 字符串

• 只能写入 = True

• 格式 = 密码

参数 model: str = 'mistral-embed'

参数 timeout: int = 120

参数 tokenizer : Tokenizer = None

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

嵌入文档文本列表。

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]

嵌入单个查询文本。

参数

text (str) – 要嵌入的文本。

返回

文本的嵌入。

返回类型

列表[float]

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

嵌入文档文本列表。

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]

嵌入单个查询文本。

参数

text (str) – 要嵌入的文本。

返回

文本的嵌入。

返回类型

列表[float]

使用 MistralAIEmbeddings 的示例

• MistralAI