Pinecone嵌入

class langchain_pinecone.embeddings.PineconeEmbeddings

基础类：BaseModel, Embeddings

PineconeEmbeddings 嵌入模型。

示例

from langchain_pinecone import PineconeEmbeddings

model = PineconeEmbeddings(model="multilingual-e5-large")

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 batch_size: int | None = None

嵌入文档的批量大小。

param dimension: int | None = None

param document_params: Dict [Optional]

嵌入文档的参数

param model: str [Required]

用于示例的模型，例如‘multilingual-e5-large’。

param pinecone_api_key: SecretStr [Optional] (alias 'api_key')

Pinecone API 密钥。

如果未提供，将查找PINECONE_API_KEY环境变量。

param query_params: Dict [Optional]

嵌入查询的参数。

param show_progress_bar: bool = False

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[float]]

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

异步嵌入查询文本。

Parameters:

文本 (str)

Return type:

列表[float]

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

嵌入搜索文档。

Parameters:

文本 (列表[字符串])

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]

property async_client: ClientSession

懒初始化异步客户端。