YandexGPTEmbeddings#
- class langchain_community.embeddings.yandex.YandexGPTEmbeddings[source]#
基础类:
BaseModel
,Embeddings
YandexGPT 嵌入模型。
要使用,您应该已安装
yandexcloud
python包。服务账户有两种认证选项 具有
ai.languageModels.user
角色:您可以在构造函数参数 iam_token 中指定令牌
或在环境变量 YC_IAM_TOKEN 中。 - 您可以在构造函数参数 api_key 中指定密钥 或在环境变量 YC_API_KEY 中。
要使用默认模型,请在参数folder_id或环境变量YC_FOLDER_ID中指定文件夹ID。
示例
from langchain_community.embeddings.yandex import YandexGPTEmbeddings embeddings = YandexGPTEmbeddings(iam_token="t1.9eu...", folder_id=<folder-id>)
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 = ''#
用于服务账户的Yandex Cloud Api Key 具有ai.languageModels.user角色
- param disable_request_logging: bool = False#
YandexGPT API 默认记录所有请求数据。 如果您提供个人数据或机密信息,请禁用日志记录。
- param doc_model_name: str = 'text-search-doc'#
使用的文档模型名称。
- param doc_model_uri: str = ''#
使用的文档模型URI。
- param folder_id: str = ''#
Yandex Cloud 文件夹 ID
- param grpc_metadata: Sequence [Required]#
- param iam_token: SecretStr = ''#
Yandex Cloud IAM 服务账户令牌 具有 ai.languageModels.user 角色
- param max_retries: int = 6#
生成时的最大重试次数。
- param model_name: str = 'text-search-query' (alias 'query_model_name')#
查询要使用的模型名称。
- param model_uri: str = '' (alias 'query_model_uri')#
查询要使用的模型URI。
- param model_version: str = 'latest'#
使用的模型版本。
- param sleep_interval: float = 0.0#
API请求之间的延迟
- param url: str = 'llm.api.cloud.yandex.net:443'#
API的URL。
- 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]] [来源]#
使用YandexGPT嵌入模型嵌入文档。
- 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]]
使用 YandexGPTEmbeddings 的示例