EdenAiEmbeddings

class langchain_community.embeddings.edenai.EdenAiEmbeddings

基础类：BaseModel, Embeddings

EdenAI 嵌入。 环境变量 EDENAI_API_KEY 设置为你的 API 密钥，或者将其作为命名参数传递。

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 edenai_api_key: SecretStr | None = None

EdenAI API 令牌

param model: str | None = None

上述提供者的模型名称（例如：对于openai，模型名称为‘gpt-3.5-turbo-instruct’） 可用模型显示在https://docs.edenai.co/的‘可用提供者’下

param provider: str = 'openai'

使用的嵌入提供者（例如：openai,google 等）

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]]

使用EdenAI嵌入文档列表。

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。

Return type:

列表[列表[float]]

embed_query(text: str) → List[float]

使用EdenAI嵌入查询。

Parameters:

文本 (str) – 要嵌入的文本。

Returns:

文本的嵌入。

Return type:

列表[float]

static get_user_agent() → str

Return type:

字符串

classmethod validate_environment(values: Dict) → Dict

验证环境中是否存在API密钥。

Parameters:

值 (字典)

Return type:

字典

使用EdenAiEmbeddings的示例

• EDEN AI

• Eden AI