IPEX-LLM 在 Intel CPU 上的本地 BGE 嵌入集成

使用 LangChain Python 集成基于 Intel CPU 的 IPEX-LLM 本地 BGE 嵌入模型。

IPEX-LLM 是一个 PyTorch 库，用于在 Intel CPU 和 GPU（例如带有集成显卡的本地 PC、独立显卡如 Arc、Flex 和 Max）上运行 LLM，具有极低的延迟。

本示例介绍如何使用 LangChain 结合 ipex-llm 优化在 Intel CPU 上执行嵌入任务。这对于 RAG、文档问答等应用很有帮助。

环境设置

pip install -qU langchain langchain-community

安装 IPEX-LLM 以在 Intel CPU 上进行优化，同时安装 sentence-transformers。

pip install --pre --upgrade ipex-llm[all] --extra-index-url https://download.pytorch.org/whl/cpu
pip install sentence-transformers

注意

对于 Windows 用户，在安装 ipex-llm 时不需要 --extra-index-url https://download.pytorch.org/whl/cpu。

基本用法

from langchain_community.embeddings import IpexLLMBgeEmbeddings

embedding_model = IpexLLMBgeEmbeddings(
    model_name="BAAI/bge-large-en-v1.5",
    model_kwargs={},
    encode_kwargs={"normalize_embeddings": True},
)

---

API 参考

• IpexLLMBgeEmbeddings

sentence = "IPEX-LLM is a PyTorch library for running LLM on Intel CPU and GPU (e.g., local PC with iGPU, discrete GPU such as Arc, Flex and Max) with very low latency."
query = "What is IPEX-LLM?"

text_embeddings = embedding_model.embed_documents([sentence, query])
print(f"text_embeddings[0][:10]: {text_embeddings[0][:10]}")
print(f"text_embeddings[1][:10]: {text_embeddings[1][:10]}")

query_embedding = embedding_model.embed_query(query)
print(f"query_embedding[:10]: {query_embedding[:10]}")

---

Edit this page on GitHub or file an issue.

Connect these docs to Claude, VSCode, and more via MCP for real-time answers.