Source code for langchain_community.embeddings.awa
from typing import Any, Dict, List
from langchain_core.embeddings import Embeddings
from langchain_core.pydantic_v1 import BaseModel, root_validator
[docs]class AwaEmbeddings(BaseModel, Embeddings):
"""使用Awa DB嵌入文档和查询。
属性:
client: AwaEmbedding客户端。
model: 用于嵌入的模型名称。
默认为"all-mpnet-base-v2"。"""
client: Any #: :meta private:
model: str = "all-mpnet-base-v2"
@root_validator()
def validate_environment(cls, values: Dict) -> Dict:
"""验证awadb库是否已安装。"""
try:
from awadb import AwaEmbedding
except ImportError as exc:
raise ImportError(
"Could not import awadb library. "
"Please install it with `pip install awadb`"
) from exc
values["client"] = AwaEmbedding()
return values
[docs] def set_model(self, model_name: str) -> None:
"""设置用于嵌入的模型。
默认使用的模型是all-mpnet-base-v2
参数:
model_name: 表示模型名称的字符串。
"""
self.model = model_name
self.client.model_name = model_name
[docs] def embed_documents(self, texts: List[str]) -> List[List[float]]:
"""使用AwaEmbedding嵌入文档列表。
参数:
texts:需要嵌入的文本列表
返回:
嵌入列表,每个文本对应一个嵌入。
"""
return self.client.EmbeddingBatch(texts)
[docs] def embed_query(self, text: str) -> List[float]:
"""计算使用AwaEmbedding的查询嵌入。
参数:
text: 要嵌入的文本。
返回:
文本的嵌入。
"""
return self.client.Embedding(text)