ClarifaiEmbeddings#

class langchain_community.embeddings.clarifai.ClarifaiEmbeddings[source]#

基础类：BaseModel, Embeddings

Clarifai 嵌入模型。

要使用，您应该安装clarifai python包，并设置环境变量CLARIFAI_PAT为您的个人访问令牌，或者将其作为命名参数传递给构造函数。

示例

from langchain_community.embeddings import ClarifaiEmbeddings
clarifai = ClarifaiEmbeddings(user_id=USER_ID,
                              app_id=APP_ID,
                              model_id=MODEL_ID)
                 (or)
Example_URL = "https://clarifai.com/clarifai/main/models/BAAI-bge-base-en-v15"
clarifai = ClarifaiEmbeddings(model_url=EXAMPLE_URL)

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_base: str = 'https://api.clarifai.com'#

param app_id: str | None = None#: 要使用的Clarifai应用程序ID。

param model_id: str | None = None#: 使用的模型ID。

param model_url: str | None = None#: 使用的模型URL。

param model_version_id: str | None = None#: 要使用的模型版本ID。

param pat: str | None = None#: 使用的Clarifai个人访问令牌。

param token: str | None = None#: 使用的Clarifai会话令牌。

param user_id: str | None = None#: 使用的Clarifai用户ID。

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]#

调用Clarifai的嵌入模型。

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][source]#

调用Clarifai的嵌入模型。

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

使用 ClarifaiEmbeddings 的示例

Clarifai