Databricks嵌入#

class langchain_community.embeddings.databricks.DatabricksEmbeddings[source]#

基础类：MlflowEmbeddings

自版本0.3.3起已弃用：请改用:class:`~langchain_databricks.DatabricksEmbeddings`。在langchain-community==1.0之前不会移除。

Databricks 嵌入。

要使用，您应该安装mlflow python包。更多信息，请参见https://mlflow.org/docs/latest/llms/deployments。

示例

from langchain_community.embeddings import DatabricksEmbeddings

embeddings = DatabricksEmbeddings(
    target_uri="databricks",
    endpoint="embeddings",
)

param documents_params: Dict[str, str] = {}#

param endpoint: str [Required]#: 使用的端点。

param query_params: Dict[str, str] = {}#: 用于文档的参数。

param target_uri: str = 'databricks'#: 要使用的目标URI。默认为databricks。

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(texts: List[str], params: Dict[str, str]) → List[List[float]]#

Parameters:

文本 (列表[字符串])
params (Dict[str, str])

Return type:

列表[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]) – 要嵌入的文本列表。
Returns:: 嵌入列表。
Return type:: 列表[列表[float]]

embed_query(text: str) → List[float]#

嵌入查询文本。

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

使用 DatabricksEmbeddings 的示例

Databricks