embaas는 embedding 생성, 문서 텍스트 추출, 문서를 embedding으로 변환하는 등의 기능을 제공하는 완전 관리형 NLP API 서비스입니다. 다양한 사전 학습된 모델을 선택할 수 있습니다. 이 튜토리얼에서는 embaas Embeddings API를 사용하여 주어진 텍스트에 대한 embedding을 생성하는 방법을 보여드립니다.

​
Prerequisites

https://embaas.io/register에서 무료 embaas 계정을 생성하고 API key를 발급받으세요. 
import os

# Set API key
embaas_api_key = "YOUR_API_KEY"
# or set environment variable
os.environ["EMBAAS_API_KEY"] = "YOUR_API_KEY"

from langchain_community.embeddings import EmbaasEmbeddings

embeddings = EmbaasEmbeddings()

# Create embeddings for a single document
doc_text = "This is a test document."
doc_text_embedding = embeddings.embed_query(doc_text)

# Print created embedding
print(doc_text_embedding)

# Create embeddings for multiple documents
doc_texts = ["This is a test document.", "This is another test document."]
doc_texts_embeddings = embeddings.embed_documents(doc_texts)

# Print created embeddings
for i, doc_text_embedding in enumerate(doc_texts_embeddings):
    print(f"Embedding for document {i + 1}: {doc_text_embedding}")

# Using a different model and/or custom instruction
embeddings = EmbaasEmbeddings(
    model="instructor-large",
    instruction="Represent the Wikipedia document for retrieval",
)
embaas Embeddings API에 대한 자세한 정보는 공식 embaas API 문서를 참조하세요.
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.
⌘I