Skip to main content
如何使用 Elasticsearch 中托管的嵌入模型生成嵌入向量的演练 实例化 ElasticsearchEmbeddings 类最简单的方法是
  • 如果您使用 Elastic Cloud，则使用 from_credentials 构造函数
  • 或者使用 from_es_connection 构造函数连接任何 Elasticsearch 集群
!pip -q install langchain-elasticsearch

from langchain_elasticsearch import ElasticsearchEmbeddings

# 定义模型 ID
model_id = "your_model_id"

​
使用 from_credentials 进行测试

这需要一个 Elastic Cloud cloud_id 
# 使用凭据实例化 ElasticsearchEmbeddings
embeddings = ElasticsearchEmbeddings.from_credentials(
    model_id,
    es_cloud_id="your_cloud_id",
    es_user="your_user",
    es_password="your_password",
)

# 为多个文档创建嵌入向量
documents = [
    "This is an example document.",
    "Another example document to generate embeddings for.",
]
document_embeddings = embeddings.embed_documents(documents)

# 打印文档嵌入向量
for i, embedding in enumerate(document_embeddings):
    print(f"Embedding for document {i + 1}: {embedding}")

# 为单个查询创建嵌入向量
query = "This is a single query."
query_embedding = embeddings.embed_query(query)

# 打印查询嵌入向量
print(f"Embedding for query: {query_embedding}")

​
使用现有的 Elasticsearch 客户端连接进行测试

这可以用于任何 Elasticsearch 部署 
# 创建 Elasticsearch 连接
from elasticsearch import Elasticsearch

es_connection = Elasticsearch(
    hosts=["https://es_cluster_url:port"], basic_auth=("user", "password")
)

# 使用 es_connection 实例化 ElasticsearchEmbeddings
embeddings = ElasticsearchEmbeddings.from_es_connection(
    model_id,
    es_connection,
)

# 为多个文档创建嵌入向量
documents = [
    "This is an example document.",
    "Another example document to generate embeddings for.",
]
document_embeddings = embeddings.embed_documents(documents)

# 打印文档嵌入向量
for i, embedding in enumerate(document_embeddings):
    print(f"Embedding for document {i + 1}: {embedding}")

# 为单个查询创建嵌入向量
query = "This is a single query."
query_embedding = embeddings.embed_query(query)

# 打印查询嵌入向量
print(f"Embedding for query: {query_embedding}")
将这些文档连接到 Claude、VSCode 等，通过 MCP 获取实时答案。
在 GitHub 上编辑此页面 或 提交问题。