Skip to main content

EDEN AI

EDEN AI是一家AI咨询公司，旨在利用其资源赋能人们，并创建使用AI改善个人、企业和整个社会生活质量的有影响力的产品。

本示例介绍如何使用LangChain与EDEN AI嵌入模型进行交互。

访问EDENAI的API需要一个API密钥，

您可以通过创建一个帐户https://app.edenai.run/user/register并转到https://app.edenai.run/admin/account/settings来获取它。

一旦我们有了密钥，我们将希望通过运行将其设置为环境变量：

export EDENAI_API_KEY="..."

如果您不想设置环境变量，可以直接通过edenai_api_key命名参数传递密钥

在初始化EdenAI嵌入类时：

from langchain.embeddings.edenai import EdenAiEmbeddings
embeddings = EdenAiEmbeddings(edenai_api_key="...",provider="...")

调用模型 (Calling a model)​

EdenAI API汇集了各种提供商。

要访问特定的模型，只需在调用时使用"provider"。

embeddings = EdenAiEmbeddings(provider="openai")
docs = ["现在正在下雨", "猫咪很可爱"]
document_result = embeddings.embed_documents(docs)
query = "我的雨伞坏了"
query_result = embeddings.embed_query(query)
import numpy as np

query_numpy = np.array(query_result)
for doc_res, doc in zip(document_result, docs):
    document_numpy = np.array(doc_res)
    similarity = np.dot(query_numpy, document_numpy) / (
        np.linalg.norm(query_numpy) * np.linalg.norm(document_numpy)
    )
    print(f'"{doc}"和查询之间的余弦相似度：{similarity}')
    "现在正在下雨"和查询之间的余弦相似度：0.849261496107252
    "猫咪很可爱"和查询之间的余弦相似度：0.7525900655705218