DatabricksEmbeddings

DatabricksLakehouse Platform 将数据、分析和 AI 统一在一个平台上。

此笔记本提供了 Databricks 嵌入模型入门的快速概述。有关所有DatabricksEmbeddings功能和配置可参考 API 参考。

概述

集成详细信息

类	包
DatabricksEmbeddings	databricks-langchain

支持的方法

DatabricksEmbeddings支持所有方法Embeddings类中包括异步 API。

端点要求

服务终端节点DatabricksEmbeddingswraps 必须具有与 OpenAI 兼容的嵌入输入/输出格式（参考）。只要输入格式兼容，DatabricksEmbeddings可用于 Databricks Model Serving 上托管的任何终结点类型：

基础模型 - 精选的最先进的基础模型列表，例如 BAAI 通用嵌入（BGE）。这些终结点无需任何设置即可在 Databricks 工作区中使用。
自定义模型 - 您还可以通过 MLflow 将自定义嵌入模型部署到服务终端节点，其中包含您选择的框架，例如 LangChain、Pytorch、Transformers 等。
外部模型 - Databricks 终结点可以将托管在 Databricks 外部的模型作为代理提供，例如 OpenAI text-embedding-3 等专有模型服务。

设置

要访问 Databricks 模型，您需要创建一个 Databricks 帐户，设置凭据（仅当您位于 Databricks 工作区之外时）并安装所需的包。

凭据（仅当你在 Databricks 外部时）

如果您在 Databricks 中运行 LangChain 应用程序，则可以跳过此步骤。

否则，需要手动将 Databricks 工作区主机名和个人访问令牌设置为DATABRICKS_HOST和DATABRICKS_TOKEN环境变量。有关如何获取访问令牌的信息，请参阅身份验证文档。

import getpass
import os

os.environ["DATABRICKS_HOST"] = "https://your-workspace.cloud.databricks.com"
if "DATABRICKS_TOKEN" not in os.environ:
    os.environ["DATABRICKS_TOKEN"] = getpass.getpass(
        "Enter your Databricks access token: "
    )

安装

LangChain Databricks 集成位于databricks-langchain包：

%pip install -qU databricks-langchain

实例

from databricks_langchain import DatabricksEmbeddings

embeddings = DatabricksEmbeddings(
    endpoint="databricks-bge-large-en",
    # Specify parameters for embedding queries and documents if needed
    # query_params={...},
    # document_params={...},
)

索引和检索

嵌入模型通常用于检索增强生成（RAG）流程中，既可以作为索引数据的一部分，也可以作为以后检索数据的一部分。有关更详细的说明，请参阅我们的 RAG 教程。

下面，了解如何使用embeddings对象。在此示例中，我们将在InMemoryVectorStore.

# Create a vector store with a sample text
from langchain_core.vectorstores import InMemoryVectorStore

text = "LangChain is the framework for building context-aware reasoning applications"

vectorstore = InMemoryVectorStore.from_texts(
    [text],
    embedding=embeddings,
)

# Use the vectorstore as a retriever
retriever = vectorstore.as_retriever()

# Retrieve the most similar text
retrieved_document = retriever.invoke("What is LangChain?")

# show the retrieved document's content
retrieved_document[0].page_content

API 参考：InMemoryVectorStore

直接使用

在后台，vectorstore 和 retriever 实现正在调用embeddings.embed_documents(...)和embeddings.embed_query(...)为中使用的文本创建嵌入from_texts和检索invoke作。

您可以直接调用这些方法来获取您自己的使用案例的嵌入。

嵌入单个文本

您可以嵌入单个文本或文档embed_query:

single_vector = embeddings.embed_query(text)
print(str(single_vector)[:100])  # Show the first 100 characters of the vector

嵌入多个文本

您可以使用embed_documents:

text2 = (
    "LangGraph is a library for building stateful, multi-actor applications with LLMs"
)
two_vectors = embeddings.embed_documents([text, text2])
for vector in two_vectors:
    print(str(vector)[:100])  # Show the first 100 characters of the vector

异步使用

您还可以使用aembed_query和aembed_documents用于异步生成嵌入：

import asyncio

async def async_example():
    single_vector = await embeddings.aembed_query(text)
    print(str(single_vector)[:100])  # Show the first 100 characters of the vector

asyncio.run(async_example())

API 参考

有关DatabricksEmbeddings功能和配置选项，请参考 API 参考。

嵌入模型概念指南
嵌入模型操作指南

概述