Skip to main content
Eden AI 正在通过汇聚最优秀的 AI 提供商来革新 AI 领域，使用户能够释放无限可能，充分挖掘人工智能的真正潜力。凭借一体化的全面且便捷的平台，用户可以快速将 AI 功能部署到生产环境，通过单一 API 轻松访问完整的 AI 能力。（网站：edenai.co/） 本示例介绍如何使用 LangChain 与 Eden AI 嵌入模型交互。
访问 EDENAI 的 API 需要 API 密钥， 您可以通过在 app.edenai.run/user/register 创建账户，然后前往 app.edenai.run/admin/account/settings 获取。 获取密钥后，通过以下命令将其设置为环境变量： 
export EDENAI_API_KEY="..."
如果不想设置环境变量，也可以在初始化 EdenAI 嵌入类时通过 edenai_api_key 命名参数直接传入： 
from langchain_community.embeddings.edenai import EdenAiEmbeddings

embeddings = EdenAiEmbeddings(edenai_api_key="...", provider="...")

​
调用模型

EdenAI API 汇聚了多个提供商。 要访问特定模型，只需在调用时使用对应的 “provider” 即可。 
embeddings = EdenAiEmbeddings(provider="openai")

docs = ["It's raining right now", "cats are cute"]
document_result = embeddings.embed_documents(docs)

query = "my umbrella is broken"
query_result = embeddings.embed_query(query)

import numpy as np

query_numpy = np.array(query_result)
for doc_res, doc in zip(document_result, docs):
    document_numpy = np.array(doc_res)
    similarity = np.dot(query_numpy, document_numpy) / (
        np.linalg.norm(query_numpy) * np.linalg.norm(document_numpy)
    )
    print(f'Cosine similarity between "{doc}" and query: {similarity}')

Cosine similarity between "It's raining right now" and query: 0.849261496107252
Cosine similarity between "cats are cute" and query: 0.7525900655705218
在 GitHub 上编辑此页面 或 提交问题。
通过 MCP 将这些文档连接 到 Claude、VSCode 等，获取实时解答。