无限嵌入#

class langchain_community.embeddings.infinity.InfinityEmbeddings[来源]#

基础类：BaseModel, Embeddings

用于infinity包的自托管嵌入模型。

参见 michaelfeil/infinity 这也适用于 text-embeddings-inference 和其他自托管的 openai 兼容服务器。

Infinity 是一个用于与嵌入模型交互的包，可在 michaelfeil/infinity 上找到。

示例

from langchain_community.embeddings import InfinityEmbeddings
InfinityEmbeddings(
    model="BAAI/bge-small",
    infinity_api_url="http://localhost:7997",
)

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 client: Any = None#: 无限客户端。

param infinity_api_url: str = 'http://localhost:7997'#: 使用的端点URL。

param model: str [Required]#: 底层Infinity模型ID。

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

异步调用Infinity的嵌入端点。

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]]

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

异步调用Infinity的嵌入端点。

Parameters:: 文本 (str) – 要嵌入的文本。
Returns:: 文本的嵌入。
Return type:: 列表[float]

embed_documents(texts: List[str]) → List[List[float]][source]#

调用Infinity的嵌入端点。

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][source]#

调用Infinity的嵌入端点。

Parameters:: 文本 (str) – 要嵌入的文本。
Returns:: 文本的嵌入。
Return type:: 列表[float]

使用 InfinityEmbeddings 的示例

Infinity