文本嵌入嵌入#

class langchain_community.embeddings.textembed.TextEmbedEmbeddings[来源]#

基础类：BaseModel, Embeddings

一个用于处理向TextEmbed API发送嵌入请求的类。

model#: 用于嵌入的TextEmbed模型ID。

api_url#: TextEmbed API 的基础 URL。

api_key#: 用于与TextEmbed API进行身份验证的API密钥。

client#: TextEmbed 客户端实例。

示例

from langchain_community.embeddings import TextEmbedEmbeddings

embeddings = TextEmbedEmbeddings(
    model="sentence-transformers/clip-ViT-B-32",
    api_url="http://localhost:8000/v1",
    api_key="<API_KEY>"
)

更多信息：kevaldekivadiya2415/textembed

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 [Optional]#: 用于身份验证的API密钥

param api_url: str [Optional]#: 使用的端点URL。

param client: Any = None#: 文本嵌入客户端。

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

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

异步调用TextEmbed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[浮点数]]

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

异步调用TextEmbed的嵌入端点以处理单个查询。

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

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

调用TextEmbed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[浮点数]]

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

调用TextEmbed的嵌入端点以进行单个查询。

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

使用TextEmbedEmbeddings的示例

TextEmbed - 嵌入推理服务器