PremAIEmbeddings

class langchain_community.embeddings.premai.PremAIEmbeddings

基础类：BaseModel, Embeddings

Prem的嵌入API

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 [Required]

param max_retries: int = 1

最大重试次数

param model: str [Required]

选择嵌入模型

param premai_api_key: SecretStr | None = None

Prem AI API 密钥。在此获取：https://app.premai.io/api_keys/

param project_id: int [Required]

进行实验或部署的项目ID。 您可以在这里找到所有项目：https://app.premai.io/projects/

param show_progress_bar: bool = False

是否显示tqdm进度条。必须安装tqdm。

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]]

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[float]]

embed_query(text: str) → List[float]

嵌入查询文本

Parameters:

文本 (str)

Return type:

列表[float]

classmethod validate_environments(values: Dict) → Dict

验证包是否已安装以及API令牌是否有效

Parameters:

值 (字典)

Return type:

字典

使用 PremAIEmbeddings 的示例

• PremAI