引言
IBM watsonx.ai是一个强大的AI平台,支持各种AI功能。WatsonxEmbeddings是一个用于与IBM watsonx.ai模型交互的封装器,它使得在使用LangChain与这些模型通信时更加便捷。本篇文章将探讨如何设置和使用LangChain与watsonx.ai进行交互,并提供实用的代码示例和常见问题解答。
主要内容
设置
要开始使用WatsonxEmbeddings,首先需要安装langchain-ibm Python包。可以使用以下命令进行安装:
!pip install -qU langchain-ibm
在使用WatsonxEmbeddings之前,还需要设置IBM Cloud的WML凭证。可以通过设置环境变量来实现:
import os
from getpass import getpass
# 提供IBM Cloud用户API密钥
watsonx_api_key = getpass()
os.environ["WATSONX_APIKEY"] = watsonx_api_key
# 设置其他访问凭证
os.environ["WATSONX_URL"] = "your service instance url"
os.environ["WATSONX_TOKEN"] = "your token for accessing the CPD cluster"
os.environ["WATSONX_PASSWORD"] = "your password for accessing the CPD cluster"
os.environ["WATSONX_USERNAME"] = "your username for accessing the CPD cluster"
os.environ["WATSONX_INSTANCE_ID"] = "your instance_id for accessing the CPD cluster"
加载模型
可以使用不同的模型参数来调整不同模型:
from ibm_watsonx_ai.metanames import EmbedTextParamsMetaNames
embed_params = {
EmbedTextParamsMetaNames.TRUNCATE_INPUT_TOKENS: 3,
EmbedTextParamsMetaNames.RETURN_OPTIONS: {"input_text": True},
}
初始化WatsonxEmbeddings类时需要添加project_id或space_id:
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="YOUR_PROJECT_ID",
params=embed_params,
)
嵌入查询与文档
以下是如何嵌入查询和文档的示例代码:
# 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 a 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
-
网络访问问题:某些地区可能会遇到API访问不稳定的问题。建议使用API代理服务来提高访问的稳定性。
-
凭证问题:确保所有必需的环境变量都已正确设置,特别是
APIKey和project_id等重要参数。 -
模型参数调整:不同的模型可能需要调整不同的参数,请参阅相关文档以获取更多信息。
总结和进一步学习资源
本文详细介绍了如何使用LangChain与IBM watsonx.ai进行通信。如果感兴趣,可以查阅以下资源以深入了解:
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---