Eden AI

Eden AI 是通过联合最佳的 AI 提供商来革新人工智能领域的，使用户能够解锁无限可能并挖掘人工智能的真正潜力。借助一个全面且无忧无虑的一站式平台，它允许用户迅速将 AI 功能部署到生产环境中，通过单一 API 方便地访问全部 AI 能力。(网站: https://edenai.co/)

本示例介绍如何使用 LangChain 与 Eden AI 嵌入模型进行交互

访问 EDENAI 的 API 需要一个 API 密钥,

您可以通过创建账户 https://app.edenai.run/user/register 并访问此处 https://app.edenai.run/admin/account/settings 获取

有了密钥后，我们可以通过运行以下命令将其设置为环境变量：

export EDENAI_API_KEY="..."

如果您不想设置环境变量，可以通过名为edenai_api_key 的参数直接传递密钥

初始化 EdenAI 嵌入类时：

from langchain_community.embeddings.edenai import EdenAiEmbeddings

API 参考:EdenAiEmbeddings

embeddings = EdenAiEmbeddings(edenai_api_key="...", provider="...")

调用一个模型

EdenAI API 汇集了各种服务提供商。

访问特定模型时，您只需在调用时使用“provider”即可。

embeddings = EdenAiEmbeddings(provider="openai")

docs = ["It's raining right now", "cats are cute"]
document_result = embeddings.embed_documents(docs)

query = "my umbrella is broken"
query_result = embeddings.embed_query(query)

import numpy as np

query_numpy = np.array(query_result)
for doc_res, doc in zip(document_result, docs):
    document_numpy = np.array(doc_res)
    similarity = np.dot(query_numpy, document_numpy) / (
        np.linalg.norm(query_numpy) * np.linalg.norm(document_numpy)
    )
    print(f'Cosine similarity between "{doc}" and query: {similarity}')

Cosine similarity between "It's raining right now" and query: 0.849261496107252
Cosine similarity between "cats are cute" and query: 0.7525900655705218

嵌入模型概念指南
嵌入模型使用指南

调用一个模型​

相关​

调用一个模型

相关