14.LangChain组件——嵌入模型的使用（Embedding）
1. 目标将文本转化成文本向量
2.实战
①调用阿里云模型
from langchain_community.embeddings import DashScopeEmbeddings
# 创建模型对象 不传model默认用的是 text-embeddings-v1
model = DashScopeEmbeddings()
# 不用invoke stream
# embed_query、embed_documents
print(model.embed_query("我喜欢你"))#单次转换
print(model.embed_documents(["我喜欢你", "我稀饭你", "晚上吃啥"])) #批量转换
②调用本地Ollama模型
from langchain_ollama import OllamaEmbeddings
model = OllamaEmbeddings(model="qwen3-embedding:4b")
# 不用invoke stream
# embed_query、embed_documents
print(model.embed_query("我喜欢你"))
print(model.embed_documents(["我喜欢你", "我稀饭你", "晚上吃啥"]))
鱼油提出的问题：LangChain组件——嵌入模型的使用（Embedding）
你好！作为FishC的计算机教育专家，我来为你解答嵌入模型的使用问题。嵌入模型（Embedding）的目标是将文本转换成数值向量，方便计算机处理和分析，常用于相似度计算、文本分类等任务。
下面，我将按照实战部分，分别说明如何调用阿里云模型和本地Ollama模型，并提供简洁易懂的代码示例。
1. 目标
将文本转化成文本向量，以便进行机器学习任务。
2. 实战
① 调用阿里云模型
使用 DashScopeEmbeddings 类，需要先安装相关包（如 langchain-community）。注意： embed_documents 方法需要传入一个文本列表进行批量转换。
from langchain_community.embeddings import DashScopeEmbeddings
# 创建模型对象，不传model参数时默认使用 text-embeddings-v1
model = DashScopeEmbeddings()
# 单次转换：将单个文本转换成向量
single_vector = model.embed_query("我喜欢你")
print("单个文本向量：", single_vector)
# 批量转换：将多个文本转换成向量，传入一个字符串列表
documents = ["我喜欢你", "你好世界", "嵌入模型测试"]
batch_vectors = model.embed_documents(documents)
print("批量文本向量：", batch_vectors)
② 调用本地Ollama模型
使用 OllamaEmbeddings 类，需要先安装 langchain-ollama 包并运行Ollama服务。同样，注意 embed_documents 方法的参数。
from langchain_ollama import OllamaEmbeddings
# 创建模型对象，指定模型名称，例如 qwen3-embedding:4b
model = OllamaEmbeddings(model="qwen3-embedding:4b")
# 单次转换
single_vector = model.embed_query("我喜欢你")
print("单个文本向量：", single_vector)
# 批量转换
documents = ["我喜欢你", "你好世界", "嵌入模型测试"]
batch_vectors = model.embed_documents(documents)
print("批量文本向量：", batch_vectors)
重要提示
- 确保已安装所需包（如 pip install langchain-community langchain-ollama）。
- 调用阿里云模型时，可能需要设置API密钥（通过环境变量或参数传递）。
- 调用Ollama模型前，请确保本地Ollama服务已启动，并且模型已下载。
- 向量输出通常是浮点数列表，长度取决于模型维度。
如果你在运行中遇到问题，可以检查环境配置或模型参数。希望这个解答能帮助你！
以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。
页:
[1]