梯度嵌入#

class langchain_community.embeddings.gradient_ai.GradientEmbeddings[source]#

基础类：BaseModel, Embeddings

Gradient.ai 嵌入模型。

GradientLLM 是一个用于在 gradient.ai 上与嵌入模型交互的类

要使用，请设置环境变量 GRADIENT_ACCESS_TOKEN 为您的 API 令牌，并设置 GRADIENT_WORKSPACE_ID 为您的 gradient 工作区，或者作为关键字提供给此类的构造函数。

示例

from langchain_community.embeddings import GradientEmbeddings
GradientEmbeddings(
    model="bge-large",
    gradient_workspace_id="12345614fc0_workspace",
    gradient_access_token="gradientai-access_token",
)

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#: 梯度客户端。

param gradient_access_token: str | None = None#: gradient.ai API 令牌，可以通过访问 https://auth.gradient.ai/select-workspace 并在个人资料下拉菜单中选择“访问令牌”来生成。

param gradient_api_url: str = 'https://api.gradient.ai/api'#: 使用的端点URL。

param gradient_workspace_id: str | None = None#: 基础 gradient.ai 工作区 ID。

param model: str [Required]#: 基础 gradient.ai 模型 ID。

param query_prompt_for_retrieval: str | None = None#: 查询预提示

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

异步调用Gradient的嵌入端点。

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][source]#

异步调用Gradient的嵌入端点。

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]][source]#

调用Gradient的嵌入端点。

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Gradient的嵌入端点。

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

使用 GradientEmbeddings 的示例

Gradient