OpenAI

Milvus通过__OpenAIEmbeddingFunction__类与OpenAI的模型集成。该类提供了使用预训练的OpenAI模型对文档和查询进行编码的方法，并返回与Milvus索引兼容的密集向量。要使用此功能，请从OpenAI获取API密钥，方法是在其平台上创建帐户。

要使用此功能，安装必要的依赖项：

pip install --upgrade pymilvus
pip install "pymilvus[model]"

然后，实例化__OpenAIEmbeddingFunction__：

from pymilvus import model

openai_ef = model.dense.OpenAIEmbeddingFunction(
    model_name='text-embedding-3-large', # 指定模型名称
    api_key='YOUR_API_KEY', # 提供您的OpenAI API密钥
    dimensions=512 # 设置嵌入的维度
)

参数：

• model_name (字符串)

  要用于编码的OpenAI模型的名称。有效选项为__text-embedding-3-small__、text-embedding-3-large__和__text-embedding-ada-002（默认）。

• api_key (字符串)

  用于访问OpenAI API的API密钥。

• dimensions (整数)

  结果输出嵌入应具有的维数。仅在__text-embedding-3__及更高版本的模型中受支持。

要为文档创建嵌入，使用__encode_documents()__方法：

docs = [
    "人工智能是一门学科，成立于1956年。",
    "艾伦·图灵是第一个进行大量人工智能研究的人。",
    "图灵出生于伦敦梅达维尔，成长在英格兰南部。"
]

docs_embeddings = openai_ef.encode_documents(docs)

# 打印嵌入
print("嵌入:", docs_embeddings)
# 打印嵌入的维度和形状
print("维度:", openai_ef.dim, docs_embeddings[0].shape)

预期输出类似于以下内容：

嵌入: [array([ 1.76741909e-02, -2.04964578e-02, -1.09788161e-02, -5.27223349e-02,
        4.23139781e-02, -6.64533582e-03,  4.21088142e-03,  1.04644023e-01,
        5.10009527e-02,  5.32827862e-02, -3.26061808e-02, -3.66494283e-02,
...
       -8.93232748e-02,  6.68255147e-03,  3.55093405e-02, -5.09071983e-02,
        3.74144339e-03,  4.72541340e-02,  2.11916920e-02,  1.00753829e-02,
       -5.76633997e-02,  9.68257990e-03,  4.62721288e-02, -4.33261096e-02])]
维度: 512 (512,)

要为查询创建嵌入，使用__encode_queries()__方法：

queries = ["人工智能是何时成立的", 
           "艾伦·图灵出生在哪里？"]

query_embeddings = openai_ef.encode_queries(queries)

# 打印嵌入
print("嵌入:", query_embeddings)
# 打印嵌入的维度和形状
print("维度", openai_ef.dim, query_embeddings[0].shape)

预期输出类似于以下内容：

嵌入向量：[array([ 0.00530251, -0.01907905, -0.01672608, -0.05030033,  0.01635982,
       -0.03169853, -0.0033602 ,  0.09047844,  0.00030747,  0.11853652,
       -0.02870182, -0.01526102,  0.05505067,  0.00993909, -0.07165466,
...
       -9.78106782e-02, -2.22669560e-02,  1.21873049e-02, -4.83198799e-02,
        5.32377362e-02, -1.90469325e-02,  5.62430918e-02,  1.02650477e-02,
       -6.21757433e-02,  7.88027793e-02,  4.91846527e-04, -1.51633881e-02])]
维度 512 (512,)