LLMRailsEmbeddings

class langchain_community.embeddings.llm_rails.LLMRailsEmbeddings

基础类：BaseModel, Embeddings

LLMRails 嵌入模型。

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

模型可以是以下之一 [“embedding-english-v1”,”embedding-multi-v1”]

示例

from langchain_community.embeddings import LLMRailsEmbeddings
cohere = LLMRailsEmbeddings(
    model="embedding-english-v1", api_key="my-api-key"
)

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 api_key: SecretStr | None = None

LLMRails API 密钥。

param model: str = 'embedding-english-v1'

使用的模型名称。

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]]

调用Cohere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]

调用Cohere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]

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 LLMRailsEmbeddings 的示例

• LLMRails