# 探索百度乾帆平台上的Embedding模型：Langchain应用指南
## 引言
百度AI云乾帆平台提供了一整套的大模型开发和服务操作平台，帮助企业开发者轻松使用和开发大模型应用。本文将聚焦于如何利用Langchain与乾帆平台进行Embedding模型的集成与应用。
## 主要内容
### 1. 了解Embedding模型
Embedding模型是一种将文本或其他数据类型转换为向量的方法，这些向量可用于相似性计算、聚类分析等。乾帆平台提供了包括文心一言（ERNIE-Bot）在内的多个大模型供用户选择。
### 2. API初始化
在使用乾帆平台的LLM服务之前，需要初始化API参数。可以选择在环境变量中设置访问密钥（AK）和安全密钥（SK），或者在代码中直接初始化这些参数。
```python
import os
from langchain_community.embeddings import QianfanEmbeddingsEndpoint
# 设置环境变量
os.environ["QIANFAN_AK"] = "your_ak"
os.environ["QIANFAN_SK"] = "your_sk"
# 初始化Embedding服务
embed = QianfanEmbeddingsEndpoint() # 使用API代理服务提高访问稳定性
3. 使用Embedding模型
一旦初始化完成，可以开始嵌入文档或者查询文本。以下代码展示了如何进行异步操作以提高效率。
async def aioEmbed():
res = await embed.aembed_query("qianfan")
print(res[:8])
await aioEmbed()
async def aioEmbedDocs():
res = await embed.aembed_documents(["hi", "world"])
for r in res:
print("", r[:8])
await aioEmbedDocs()
4. 使用不同的模型
如果希望使用自定义模型，可以自行部署并获取相应的端点。
embed = QianfanEmbeddingsEndpoint(model="bge_large_zh", endpoint="bge_large_zh")
res = embed.embed_documents(["hi", "world"])
for r in res:
print(r[:8])
常见问题和解决方案
-
访问限制问题：由于网络限制，部分地区可能无法直接访问API。建议使用API代理服务以提高访问的稳定性。
-
密钥管理：妥善管理您的API密钥，防止泄露造成未授权访问。
总结和进一步学习资源
通过本文，您应该对如何在百度乾帆平台上使用Langchain进行Embedding模型的应用有了更清晰的理解。推荐继续阅读以下资源以深入学习：
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---
