百川文本嵌入#

class langchain_community.embeddings.baichuan.BaichuanTextEmbeddings[来源]#

基础类：BaseModel, Embeddings

百川文本嵌入模型。

Setup:

要使用，您应该将环境变量 BAICHUAN_API_KEY 设置为您的 API 密钥，或者将其作为命名参数传递给构造函数。

export BAICHUAN_API_KEY="your-api-key"
Instantiate:
from langchain_community.embeddings import BaichuanTextEmbeddings

embeddings = BaichuanTextEmbeddings()
Embed:
# embed the documents
vectors = embeddings.embed_documents([text1, text2, ...])

# embed the query
vectors = embeddings.embed_query(text)

通过解析和验证来自关键字参数的输入数据来创建一个新模型。

如果输入数据无法验证以形成有效模型，则引发 [ValidationError][pydantic_core.ValidationError]。

self 被显式地设为仅位置参数，以允许 self 作为字段名称。

param baichuan_api_key: SecretStr [Optional] (alias 'api_key')#

如果未提供，则自动从环境变量 BAICHUAN_API_KEY 推断。

param chunk_size: int = 16#

当输入多个文本时的块大小

param model_name: str = 'Baichuan-Text-Embedding' (alias 'model')#

用于嵌入文档的模型。

async aembed_documents(texts: list[str]) → list[list[float]]#

异步嵌入搜索文档。

Parameters:

文本 (列表[字符串]) – 要嵌入的文本列表。

Returns:

嵌入列表。

Return type:

列表[列表[浮点数]]

async aembed_query(text: str) → list[float]#

异步嵌入查询文本。

Parameters:

文本 (str) – 要嵌入的文本。

Returns:

嵌入。

Return type:

列表[浮点数]

embed_documents(texts: List[str]) → List[List[float]] | None[source]#

获取文档列表嵌入的公共方法。

Parameters:

文本 (列表[字符串]) – 要嵌入的文本列表。

Returns:

嵌入列表，每个文本对应一个，如果发生错误则为None。

Return type:

列表[列表[浮点数]] | 无

embed_query(text: str) → List[float] | None[source]#

公共方法，用于获取单个查询文本的嵌入。

Parameters:

文本 (str) – 要嵌入的文本。

Returns:

文本的嵌入，如果发生错误则为None。

Return type:

列表[float] | 无

使用 BaichuanTextEmbeddings 的示例