使用Nomic Embeddings进行文本嵌入与查询

在本篇文章中，我们将介绍如何使用Nomic v1.5嵌入模型来处理文本数据，并展示如何构建一个简单的端到端RAG（Retrieval-Augmented Generation）管道。我们将使用OpenAI模型来进行生成步骤，并提供一个完整的示例代码。

安装

首先，我们需要安装必要的包：

%pip install -U llama-index llama-index-embeddings-nomic

设置API密钥

为了使用Nomic嵌入模型，我们需要设置API密钥：

nomic_api_key = "<NOMIC API KEY>"

import nest_asyncio
nest_asyncio.apply()

from llama_index.embeddings.nomic import NomicEmbedding

使用不同维度的Nomic嵌入模型

128维度

embed_model = NomicEmbedding(
    api_key=nomic_api_key,
    dimensionality=128,
    model_name="nomic-embed-text-v1.5",
)

embedding = embed_model.get_text_embedding("Nomic Embeddings"