Skip to main content
Open In ColabOpen on GitHub

PremAI

PremAI 是一个一站式平台，可简化基于生成式 AI 构建的、功能强大的、可投入生产的应用程序的创建过程。通过精简开发流程，PremAI 使您能够专注于提升用户体验和推动应用程序的整体增长。您可以点击此处快速开始使用我们的平台。

安装和设置​

我们首先安装 langchain 和 premai-sdk。您可以输入以下命令进行安装：

pip install premai langchain

在继续操作之前，请确保您已在 PremAI 上创建账户并已创建一个项目。如果尚未创建，请参阅快速入门指南开始使用 PremAI 平台。创建您的第一个项目并获取 API 密钥。

PremEmbeddings​

在本节中，我们将使用 PremEmbeddings 和 LangChain 来讨论如何访问不同的 embedding 模型。让我们先导入我们的模块并设置我们的 API 密钥。

# Let's start by doing some imports and define our embedding object

from langchain_community.embeddings import PremAIEmbeddings
API Reference:PremAIEmbeddings

导入所需模块后，我们来设置客户端。目前我们假设 project_id 为 8。但请务必使用你自己的项目 ID，否则会报错。

注意：与 ChatPremAI 不同，为 PremAIEmbeddings 设置 model_name 参数是强制性的。

import getpass
import os

if os.environ.get("PREMAI_API_KEY") is None:
    os.environ["PREMAI_API_KEY"] = getpass.getpass("PremAI API Key:")
model = "text-embedding-3-large"
embedder = PremAIEmbeddings(project_id=8, model=model)

我们支持许多最先进的嵌入模型。您可以在此处查看我们支持的 LLM 和嵌入模型列表。在本示例中，我们先选择 text-embedding-3-large 模型。

query = "Hello, this is a test query"
query_result = embedder.embed_query(query)

# Let's print the first five elements of the query embedding vector

print(query_result[:5])
[-0.02129288576543331, 0.0008162345038726926, -0.004556538071483374, 0.02918623760342598, -0.02547479420900345]

最后，我们嵌入一个文档

documents = ["This is document1", "This is document2", "This is document3"]

doc_result = embedder.embed_documents(documents)

# Similar to previous result, let's print the first five element
# of the first document vector

print(doc_result[0][:5])
[-0.0030691148713231087, -0.045334383845329285, -0.0161729846149683, 0.04348714277148247, -0.0036920777056366205]