BedrockEmbeddings

class langchain_aws.embeddings.bedrock.BedrockEmbeddings

基础类：BaseModel, Embeddings

Bedrock嵌入模型。

为了进行身份验证，AWS客户端使用以下方法自动加载凭据： https://boto3.amazonaws.com/v1/documentation/api/latest/guide/credentials.html

如果应该使用特定的凭证配置文件，您必须传递要使用的来自~/.aws/credentials文件的配置文件的名称。

确保使用的凭据/角色具有访问Bedrock服务所需的策略。

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 = None

Bedrock 客户端。

param config: Any = None

一个可选的botocore.config.Config实例，传递给客户端。

param credentials_profile_name: str | None = None

配置文件在 ~/.aws/credentials 或 ~/.aws/config 文件中的名称，该文件指定了访问密钥或角色信息。 如果未指定，将使用默认的凭证配置文件，如果在 EC2 实例上，则使用来自 IMDS 的凭证。 参见：https://boto3.amazonaws.com/v1/documentation/api/latest/guide/credentials.html

param endpoint_url: str | None = None

如果您不想默认使用 us-east-1 端点，则需要

param model_id: str = 'amazon.titan-embed-text-v1'

要调用的模型的ID，例如，amazon.titan-embed-text-v1，这相当于list-foundation-models API中的modelId属性

param model_kwargs: Dict | None = None

传递给模型的关键字参数。

param normalize: bool = False

嵌入是否应归一化为单位向量

param region_name: str | None = None

aws 区域，例如 us-west-2。如果未在此处提供，则回退到 AWS_DEFAULT_REGION 环境变量或 ~/.aws/config 中指定的区域。

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

使用Bedrock模型异步计算文档嵌入。

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]]

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

使用Bedrock模型异步计算查询嵌入。

Parameters:

文本 (str) – 要嵌入的文本。

Returns:

文本的嵌入。

Return type:

列表[float]

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

使用Bedrock模型计算文档嵌入。

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]

使用Bedrock模型计算查询嵌入。

Parameters:

文本 (str) – 要嵌入的文本。

Returns:

文本的嵌入。

Return type:

列表[float]

使用 BedrockEmbeddings 的示例

• AWS

• Amazon MemoryDB

• Bedrock