探索Fireworks Embeddings：利用Langchain进行文本嵌入

sjufgwgfhoia

于 2024-10-06 23:42:03 发布

阅读量69

点赞数 2

文章标签： langchain python 开发语言

本文链接：https://blog.csdn.net/sjufgwgfhoia/article/details/142733706

版权

# 探索Fireworks Embeddings：利用Langchain进行文本嵌入

## 引言

Fireworks Embeddings是一种强大的工具，用于将文本转换为可用于机器学习和数据分析的嵌入向量。在本篇文章中，我们将探讨如何使用`langchain_fireworks`包中的Fireworks Embeddings功能，特别是默认的nomic-ai v1.5模型，来实现文本嵌入。

## 主要内容

### 设置环境

首先，您需要安装`langchain_fireworks`包：

```bash
%pip install -qU langchain-fireworks

API密钥设置

为了使用Fireworks Embeddings，您需要设置API密钥。可以通过以下代码实现：

import getpass
import os

if "FIREWORKS_API_KEY" not in os.environ:
    os.environ["FIREWORKS_API_KEY"] = getpass.getpass("Fireworks API Key:")

使用嵌入模型

FireworksEmbeddings使您能够直接使用默认模型’nomic-ai/nomic-embed-text-v1.5’，也可以选择其他可用模型：

from langchain_fireworks import FireworksEmbeddings

# 使用API代理服务提高访问稳定性
embedding = FireworksEmbeddings(model="nomic-ai/nomic-embed-text-v1.5")

res_query = embedding.embed_query("The test information")
res_document = embedding.embed_documents(["test1", "another test"])
print(res_query[:5])
print(res_document[1][:5])

输出示例

运行以上代码，您将得到如下嵌入结果：

[0.01367950439453125, 0.0103607177734375, -0.157958984375, -0.003070831298828125, 0.05926513671875]
[0.0369873046875, 0.00545501708984375, -0.179931640625, -0.018707275390625, 0.0552978515625]