langchain_community.embeddings.awa — 🦜🔗 LangChain 0.2.0

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)
Source code for langchain_community.embeddings.awa
