Embedding

词嵌入是捕捉文本语义含义的文本向量表示。它们通过文本嵌入模型创建，并允许我们在向量空间中考虑文本，使我们能够执行诸如语义搜索之类的任务，在该任务中，我们寻找在向量空间中最相似的文本片段。

BedrockEmbeddings

用于加载Amazon Bedrock的嵌入模型。(仅在亚马逊 US/CAN AZ提供)

参数：

• credentials_profile_name：在~/.aws/credentials或~/.aws/config文件中的配置文件名，指定访问密钥或角色信息。如果未指定，则使用默认凭证配置文件，或者如果在EC2实例上，则使用IMDS的凭证。有关更多详情，请参见AWS文档。

• model_id：调用的模型ID，例如amazon.titan-embed-text-v1，相当于list-foundation-models api中的modelId属性。

• endpoint_url：如果您不想默认使用us-east-1端点，则需要此参数。

• region_name：AWS区域，例如us-west-2。如果这里未提供，则回退到AWS_DEFAULT_REGION环境变量或~/.aws/config中指定的区域。

OpenAIEmbeddings

用于加载OpenAI的嵌入模型。

参数：

• chunk_size：确定处理嵌入的每个文本块的最大大小。如果任何传入的文本块超过chunk_size字符，它将在嵌入之前被分割成多个大小为chunk_size或更小的块——默认为1000。

• deployment：用于指定文本嵌入模型的部署名称或标识符。当提供部署时，这在用户拥有具有不同配置或版本的同一模型的多个部署时很有用——默认为text-embedding-ada-002。

• embedding_ctx_length：此参数确定文本嵌入模型的最大上下文长度。它指定模型在为一段文本生成嵌入时考虑的令牌数量——默认为8191（这意味着模型在生成嵌入时将考虑多达8191个令牌）。

• max_retries：确定如果模型提供商从其API返回错误时重试请求的最大次数——默认为6。

• model：定义要使用哪个预训练的文本嵌入模型——默认为text-embedding-ada-002。

• openai_api_base：指代用于配置连接到Azure OpenAI服务的API的基本URL。基本URL可以在Azure门户中的用户Azure OpenAI资源下找到。

• openai_api_key：用于认证并授权访问OpenAI服务。

• openai_api_type：用于指定使用的OpenAI API类型，可以是常规OpenAI API或Azure OpenAI API。此参数允许OpenAIEmbeddings类连接到适当的API服务。

• openai_api_version：用于指定使用的OpenAI API的版本。此参数允许OpenAIEmbeddings类连接到OpenAI API服务的适当版本。

• openai_organization：用于指定与OpenAI API密钥关联的组织。如果未提供，则使用与API密钥关联的默认组织。

• openai_proxy：代理可以更好地预算和管理进行OpenAI API调用的成本，包括更多关于定价的透明度。

• request_timeout：用于指定生成给定文本的嵌入时，等待OpenAI API响应的最大时间，以毫秒计。

• tiktoken_model_name：用于计算文档中的令牌数量，以将它们限制在某个限制以下。默认情况下，当设置为None时，这将与嵌入模型名称相同。

WestGenesisEmbeddings

用于加载WestGenesis的嵌入模型。

• base_url：WestGenesisEmbeddings的基本URL——默认为http://localhost:11434。

• temperature：调节文本生成中随机性的程度。应为非负值——默认为0。