Source code for langchain_community.embeddings.llm_rails
""" 这个文件是用于LLMRails嵌入的。"""
from typing import Dict, List, Optional
import requests
from langchain_core.embeddings import Embeddings
from langchain_core.pydantic_v1 import BaseModel, Extra, SecretStr, root_validator
from langchain_core.utils import convert_to_secret_str, get_from_dict_or_env
[docs]class LLMRailsEmbeddings(BaseModel, Embeddings):
"""LLMRails嵌入模型。
要使用,应该设置环境变量``LLM_RAILS_API_KEY``为您的API密钥,或将其作为构造函数的命名参数传递。
模型可以是["embedding-english-v1", "embedding-multi-v1"]
示例:
.. code-block:: python
from langchain_community.embeddings import LLMRailsEmbeddings
cohere = LLMRailsEmbeddings(
model="embedding-english-v1", api_key="my-api-key"
)"""
model: str = "embedding-english-v1"
"""要使用的模型名称。"""
api_key: Optional[SecretStr] = None
"""LLMRails API密钥。"""
class Config:
"""此pydantic对象的配置。"""
extra = Extra.forbid
@root_validator()
def validate_environment(cls, values: Dict) -> Dict:
"""验证环境中是否存在API密钥。"""
api_key = convert_to_secret_str(
get_from_dict_or_env(values, "api_key", "LLM_RAILS_API_KEY")
)
values["api_key"] = api_key
return values
[docs] def embed_documents(self, texts: List[str]) -> List[List[float]]:
"""调用Cohere的嵌入端点。
参数:
texts: 要嵌入的文本列表。
返回:
每个文本的嵌入列表。
"""
response = requests.post(
"https://api.llmrails.com/v1/embeddings",
headers={"X-API-KEY": self.api_key.get_secret_value()}, # type: ignore[union-attr]
json={"input": texts, "model": self.model},
timeout=60,
)
return [item["embedding"] for item in response.json()["data"]]
[docs] def embed_query(self, text: str) -> List[float]:
"""调用Cohere的嵌入端点。
参数:
text:要嵌入的文本。
返回:
文本的嵌入。
"""
return self.embed_documents([text])[0]