[掌握PremAI Embeddings：简化生成式AI应用开发]

bhawfgrcbtwny

于 2024-10-07 02:42:51 发布

阅读量142

点赞数 1

文章标签：人工智能 python

本文链接：https://blog.csdn.net/bhawfgrcbtwny/article/details/142734472

版权

引言

在生成式AI浪潮中，如何快速构建健壮的生产级应用成了每个开发者关注的重点。PremAI提供了一体化平台，简化开发流程，让您专注于用户体验的提升和应用的整体增长。本文将深入探讨如何使用PremAI的嵌入功能，并提供实用的代码示例。

主要内容

安装和设置

首先，我们需要安装langchain和premai-sdk。可以通过以下命令进行安装：

pip install premai langchain

在继续之前，请确保您已在PremAI平台上注册账号并创建项目，然后获取API密钥。具体操作可参考快速开始指南。

PremEmbeddings概述

PremEmbeddings帮助我们在LangChain中访问不同的嵌入模型。首先，需要导入相关模块并设置API密钥。

from langchain_community.embeddings import PremAIEmbeddings
import getpass
import os

# 设置API密钥
if os.environ.get("PREMAI_API_KEY") is None:
    os.environ["PREMAI_API_KEY"] = getpass.getpass("PremAI API Key:")  # 输入PremAI API Key

创建嵌入对象

在导入模块后，设置客户端。请确保使用您自己的project_id，否则会报错。

model = "text-embedding-3-large"
embedder = PremAIEmbeddings(project_id=8, model=model)

我们支持多种先进的嵌入模型，您可以在这里找到支持的模型列表。

代码示例

以下是完整的代码示例，展示如何查询和嵌入文档：

query = "Hello, this is a test query"
query_result = embedder.embed_query(query)

# 打印查询嵌入向量的前五个元素
print(query_result[:5])

documents = ["This is document1", "This is document2", "This is document3"]
doc_result = embedder.embed_documents(documents)

# 打印第一个文档向量的前五个元素
print(doc_result[0][:5])