掌握Databricks Lakehouse平台的嵌入模型:从基础到实践
引言
Databricks Lakehouse平台整合了数据、分析和AI,为开发者和数据科学家提供了一个统一的平台。这篇文章旨在帮助你快速入门Databricks的嵌入模型,特别是如何在LangChain应用中使用这些模型。我们将探讨如何利用Databricks Embeddings类来包装你的服务端点。
主要内容
什么是Databricks Embeddings?
DatabricksEmbeddings
类封装了一个嵌入模型端点,该端点托管在Databricks Model Serving上。它支持所有的Embeddings
类方法,包括异步API。
端点要求
为了兼容,服务端点必须具有OpenAI兼容的输入/输出格式。
- 基础模型:例如BAAI General Embedding (BGE),无需设置即可在Databricks工作区使用。
- 自定义模型:通过MLflow可以部署自定义嵌入模型。
- 外部模型:Databricks也可以作为代理服务外部托管的模型。
设置步骤
若要访问Databricks模型,需创建Databricks账户,设置凭证,并安装所需的软件包。
设置凭证
除非你在Databricks工作区内运行LangChain应用,否则需要手动设置Databricks的工作区主机名和个人访问令牌。
import getpass
import os
os.environ["DATABRICKS_HOST"] = "https://your-workspace.cloud.databricks.com"
os.environ["DATABRICKS_TOKEN"] = getpass.getpass("Enter your Databricks access token: ")
安装
需要安装langchain-community
和mlflow
库。
%pip install -qU langchain-community mlflow>=2.9.0
代码示例
以下是查询BGE模型的示例代码:
from langchain_community.embeddings import DatabricksEmbeddings
# 创建Databricks Embeddings实例
embeddings = DatabricksEmbeddings(
endpoint="databricks-bge-large-en",
# 使用API代理服务提高访问稳定性
)
# 嵌入单个文本
embedding = embeddings.embed_query("hello")[:3]
print(embedding)
# 嵌入多个文档
documents = ["This is a dummy document.", "This is another dummy document."]
response = embeddings.embed_documents(documents)
print([e[:3] for e in response]) # 显示每个嵌入的前3个元素
常见问题和解决方案
- 网络访问问题:由于某些地区的网络限制,建议使用API代理服务以提高访问稳定性。
- 凭证设置问题:确保环境变量
DATABRICKS_HOST
和DATABRICKS_TOKEN
正确设置。
总结和进一步学习资源
Databricks Lakehouse平台为嵌入模型提供了强大的支持,结合LangChain的使用,使模型的集成更加简单。在开始之前,确保你的环境配置正确,并参考Databricks的API文档以获取更多细节。
参考资料
如果这篇文章对你有帮助,欢迎点赞并关注我的博客。您的支持是我持续创作的动力!
—END—