Documentation Index
Fetch the complete documentation index at: https://langchain-zh.cn/llms.txt
Use this file to discover all available pages before exploring further.
本地嵌入
你可以使用 HuggingFaceEmbeddings 类在本地生成嵌入。这利用了 sentence_transformers 库来下载模型权重，并直接在本地机器上运行。
让我们加载 Hugging Face 嵌入类。
pip install -qU langchain langchain-huggingface sentence_transformers
from langchain_huggingface.embeddings import HuggingFaceEmbeddings
embeddings = HuggingFaceEmbeddings(model_name="sentence-transformers/all-mpnet-base-v2")
text = "This is a test document."
query_result = embeddings.embed_query(text)
[-0.04895168915390968, -0.03986193612217903, -0.021562768146395683]
doc_result = embeddings.embed_documents([text])
Hugging Face 推理端点（无服务器 API）
如果你不希望本地下载模型，可以通过 推理端点 访问嵌入模型，这允许我们在 Hugging Face 的可扩展无服务器基础设施上使用开源模型。
确保已安装 huggingface_hub，它通常随 langchain-huggingface 一起提供。
!pip install huggingface_hub
import os
from getpass import getpass
os.environ["HUGGINGFACEHUB_API_TOKEN"] = getpass()
HuggingFaceEndpointEmbeddings 类通过 API 远程运行开源嵌入模型。
from langchain_huggingface.embeddings import HuggingFaceEndpointEmbeddings
embeddings = HuggingFaceEndpointEmbeddings(
model="sentence-transformers/all-MiniLM-L6-v2"
)
text = "This is a test document."
query_result = embeddings.embed_query(text)
