跳到主要内容
Eden AI 通过整合最佳 AI 提供商，彻底改变了 AI 领域，使用户能够解锁无限可能，挖掘人工智能的真正潜力。它提供了一个一站式、全面且无忧的平台，允许用户以极快的速度将 AI 功能部署到生产环境，通过单一 API 轻松访问全面的 AI 能力。(网站: edenai.co/) 本示例介绍了如何使用 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 app.edenai.run/user/register 并前往此处 app.edenai.run/admin/account/settings 获取。 获得密钥后，我们将其设置为环境变量，运行：
export EDENAI_API_KEY="..."
如果您不想设置环境变量，可以在初始化 EdenAI 嵌入类时，通过 edenai_api_key 命名参数直接传入密钥：
from langchain_community.embeddings.edenai import EdenAiEmbeddings

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

​
调用模型

EdenAI API 汇集了各种提供商。 要访问特定模型，您只需在调用时使用“provider”。
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
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.