DatabricksEmbeddings
Databricks Lakehouse 平台在一个平台上统一了数据、分析和人工智能。
本笔记本提供了快速入门Databricks 嵌入模型的概述。有关所有DatabricksEmbeddings功能和配置的详细文档，请访问API参考。
概述
集成详情
| 类 | 包 |
|---|---|
| DatabricksEmbeddings | databricks-langchain |
支持的方法
DatabricksEmbeddings 支持 Embeddings 类的所有方法，包括异步 API。
端点要求
服务端点DatabricksEmbeddings包装的必须具有与OpenAI兼容的嵌入输入/输出格式（参考）。只要输入格式兼容，DatabricksEmbeddings可以用于托管在Databricks模型服务上的任何端点类型：
- 基础模型 - 精选的最先进基础模型列表，如BAAI通用嵌入（BGE）。这些端点无需任何设置即可在您的Databricks工作区中使用。
- 自定义模型 - 您还可以通过MLflow将自定义嵌入模型部署到服务端点，选择您喜欢的框架，如LangChain、Pytorch、Transformers等。
- 外部模型 - Databricks 端点可以作为代理服务于托管在 Databricks 外部的模型，例如像 OpenAI text-embedding-3 这样的专有模型服务。
设置
要访问Databricks模型，您需要创建一个Databricks账户，设置凭据（仅当您在Databricks工作区外部时），并安装所需的包。
凭证（仅当您在Databricks外部时）
如果您在Databricks中运行LangChain应用程序，可以跳过此步骤。
否则，您需要手动将Databricks工作区主机名和个人访问令牌分别设置为DATABRICKS_HOST和DATABRICKS_TOKEN环境变量。有关如何获取访问令牌的信息，请参阅认证文档。
import getpass
import os
os.environ["DATABRICKS_HOST"] = "https://your-workspace.cloud.databricks.com"
if "DATABRICKS_TOKEN" not in os.environ:
os.environ["DATABRICKS_TOKEN"] = getpass.getpass(
"Enter your Databricks access token: "
)
安装
LangChain Databricks 集成位于 databricks-langchain 包中：
%pip install -qU databricks-langchain
实例化
from databricks_langchain import DatabricksEmbeddings
embeddings = DatabricksEmbeddings(
endpoint="databricks-bge-large-en",
# Specify parameters for embedding queries and documents if needed
# query_params={...},
# document_params={...},
)
索引与检索
嵌入模型通常用于检索增强生成（RAG）流程中，既作为索引数据的一部分，也用于后续的检索。有关更详细的说明，请参阅我们的RAG教程。
下面，看看如何使用我们上面初始化的embeddings对象来索引和检索数据。在这个例子中，我们将在InMemoryVectorStore中索引和检索一个示例文档。
# Create a vector store with a sample text
from langchain_core.vectorstores import InMemoryVectorStore
text = "LangChain is the framework for building context-aware reasoning applications"
vectorstore = InMemoryVectorStore.from_texts(
[text],
embedding=embeddings,
)
# Use the vectorstore as a retriever
retriever = vectorstore.as_retriever()
# Retrieve the most similar text
retrieved_document = retriever.invoke("What is LangChain?")
# show the retrieved document's content
retrieved_document[0].page_content
直接使用
在底层，向量存储和检索器实现正在调用 embeddings.embed_documents(...) 和 embeddings.embed_query(...) 来分别为 from_texts 和检索 invoke 操作中使用的文本创建嵌入。
你可以直接调用这些方法来获取嵌入，用于你自己的用例。
嵌入单个文本
你可以使用embed_query嵌入单个文本或文档：
single_vector = embeddings.embed_query(text)
print(str(single_vector)[:100]) # Show the first 100 characters of the vector
嵌入多个文本
你可以使用embed_documents嵌入多个文本：
text2 = (
"LangGraph is a library for building stateful, multi-actor applications with LLMs"
)
two_vectors = embeddings.embed_documents([text, text2])
for vector in two_vectors:
print(str(vector)[:100]) # Show the first 100 characters of the vector
异步使用
你也可以使用 aembed_query 和 aembed_documents 来异步生成嵌入：
import asyncio
async def async_example():
single_vector = await embeddings.aembed_query(text)
print(str(single_vector)[:100]) # Show the first 100 characters of the vector
asyncio.run(async_example())
API 参考
有关DatabricksEmbeddings功能和配置选项的详细文档，请参阅API参考。