WatsonxEmbeddings#

class langchain_ibm.embeddings.WatsonxEmbeddings[source]#

基础类：BaseModel, Embeddings

IBM watsonx.ai 嵌入模型。

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 apikey: SecretStr | None [Optional]#

Watson Machine Learning 或 CPD 实例的 API 密钥。

param instance_id: SecretStr | None [Optional]#

CPD实例的Instance_id。

param model_id: str [Required]#

使用的模型类型。

param params: Dict | None = None#

在请求生成期间使用的模型参数。

param password: SecretStr | None [Optional]#

CPD实例的密码。

param project_id: str | None = None#

Watson Studio 项目的 ID。

param space_id: str | None = None#

Watson Studio 空间的 ID。

param token: SecretStr | None [Optional]#

CPD实例的令牌。

param url: SecretStr [Optional]#

Watson Machine Learning 或 CPD 实例的 URL。

param username: SecretStr | None [Optional]#

CPD实例的用户名。

param verify: str | bool | None = None#

您可以传递以下之一作为验证： * CA_BUNDLE文件的路径 * 包含受信任CA证书的目录路径 * True - 将采用默认的信任库路径 * False - 将不进行验证

param version: SecretStr | None = None#

CPD实例的版本。

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], **kwargs: Any) → List[List[float]][source]#

嵌入搜索文档。

Parameters:

  • 文本 (列表[字符串])

  • kwargs (Any)

Return type:

列表[列表[float]]

embed_query(text: str, **kwargs: Any) → List[float][source]#

嵌入查询文本。

Parameters:

  • 文本 (str)

  • kwargs (Any)

Return type:

列表[float]