探索IBM Watsonx.ai的威力：使用LangChain与WatsonxEmbeddings进行交互

用户38023559900
79 阅读2分钟 
# 探索IBM Watsonx.ai的威力：使用LangChain与WatsonxEmbeddings进行交互

## 引言

在当今AI驱动的世界中，丰富的文本嵌入是自然语言处理的重要组成部分。IBM Watsonx.ai 提供了一系列强大的工具来简化这一过程。本文将介绍如何使用LangChain与WatsonxEmbeddings进行交互，帮助你更好地理解和实现文本嵌入。

## 主要内容

### 环境设置

首先，我们需要安装`langchain-ibm`包以便使用IBM Watsonx功能。

```bash
!pip install -qU langchain-ibm

接下来，我们设置所需的IBM Cloud WML凭证。你需要提供API密钥，这些信息可通过IBM官方文档获取。

import os
from getpass import getpass

watsonx_api_key = getpass()  # 提供API密钥
os.environ["WATSONX_APIKEY"] = watsonx_api_key

可以通过环境变量传递其他的秘密信息。

os.environ["WATSONX_URL"] = "你的服务实例URL"
os.environ["WATSONX_TOKEN"] = "CPD集群访问令牌"
os.environ["WATSONX_PASSWORD"] = "CPD集群访问密码"
os.environ["WATSONX_USERNAME"] = "CPD集群访问用户名"
os.environ["WATSONX_INSTANCE_ID"] = "CPD集群访问实例ID"

加载模型

根据不同的需求，我们可能需要调整模型参数。以下是设置文本嵌入参数的示例。

from ibm_watsonx_ai.metanames import EmbedTextParamsMetaNames

embed_params = {
    EmbedTextParamsMetaNames.TRUNCATE_INPUT_TOKENS: 3,
    EmbedTextParamsMetaNames.RETURN_OPTIONS: {"input_text": True},
}

初始化WatsonxEmbeddings类。

from langchain_ibm import WatsonxEmbeddings

watsonx_embedding = WatsonxEmbeddings(
    model_id="ibm/slate-125m-english-rtrvr",
    url="https://us-south.ml.cloud.ibm.com",  # 使用API代理服务提高访问稳定性
    project_id="粘贴你的PROJECT_ID",
    params=embed_params,
)

使用文本嵌入

我们可以轻松地将查询和文档嵌入。

# 嵌入查询
text = "This is a test document."
query_result = watsonx_embedding.embed_query(text)
print(query_result[:5])

# 嵌入文档
texts = ["This is content of the document", "This is another document"]
doc_result = watsonx_embedding.embed_documents(texts)
print(doc_result[0][:5])

常见问题和解决方案

  1. 连接问题：由于网络限制，某些地区可能无法访问IBM API。解决方案是使用API代理服务以提高访问稳定性。

  2. 凭证错误：确保环境变量正确设置，并检查API密钥和其他凭证信息。

总结和进一步学习资源

通过上面的步骤，你已经掌握了如何使用LangChain与WatsonxEmbeddings进行交互的基础知识。如需深入学习，可以参考以下资源：

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---
avatar
文章
阅读
粉丝