跳到主要内容
Databricks Lakehouse 平台在一个平台上统一了数据、分析和 AI。
本指南提供了 Databricks 嵌入模型 的快速入门概述。有关所有 DatabricksEmbeddings 功能和配置的详细文档，请参阅API 参考。

​
概览

​
集成详情

类别包
DatabricksEmbeddingsdatabricks-langchain

​
支持的方法

DatabricksEmbeddings 支持 Embeddings 类的所有方法，包括异步 API。

​
端点要求

DatabricksEmbeddings 封装的服务端点必须具有 OpenAI 兼容的嵌入输入/输出格式（参考）。只要输入格式兼容，DatabricksEmbeddings 就可以用于托管在 Databricks 模型服务 上的任何端点类型。
  1. 基础模型 - 精选了一系列最先进的基础模型，例如 BAAI 通用嵌入 (BGE)。这些端点可以直接在您的 Databricks 工作区中使用，无需任何设置。
  2. 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结点，并选择您喜欢的框架，如 LangChain、Pytorch、Transformers 等。
  3. 外部模型 - Databricks 端点可以作为代理，服务托管在 Databricks 之外的模型，例如专有模型服务（如 OpenAI text-embedding-3）。

​
设置

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

​
凭证（仅当您在 Databricks 外部时）

如果您在 Databricks 内部运行 LangChain 应用程序，则可以跳过此步骤。 否则，您需要手动将 Databricks 工作区主机名和个人访问令牌分别设置为 DATABRICKS_HOST 和 DATABRICKS_TOKEN 环境变量。有关如何获取访问令牌，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 包中 
pip install -qU databricks-langchain

​
实例化

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，既作为数据索引的一部分，也用于后续检索数据。有关更详细的说明，请参阅我们的RAG 教程。 下面，我们将演示如何使用我们上面初始化的 embeddings 对象来索引和检索数据。在此示例中，我们将在 InMemoryVectorStore 中索引和检索一个示例文档。
# 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

​
直接使用

在底层，向量存储和检索器实现正在调用 embeddings.embed_documents(...) 和 embeddings.embed_query(...) 分别为 from_texts 和检索 invoke 操作中使用的文本创建嵌入。 您可以直接调用这些方法来为自己的用例获取嵌入。

​
嵌入单个文本

您可以使用 embed_query 嵌入单个文本或文档 
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 嵌入多个文本 
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

​
异步用法

您还可以使用 aembed_query 和 aembed_documents 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 功能和配置选项的详细文档，请参阅 API 参考。
在 GitHub 上编辑此页面源文件。
以编程方式连接这些文档到 Claude、VSCode 等，通过 MCP 获取实时答案。
© . This site is unofficial and not affiliated with LangChain, Inc.