推荐语
LangChain与通义千问向量模型结合使用指南，解决常见报错问题。核心内容： 1. 使用LangChain调用通义千问向量模型的初始代码示例 2. 分析报错原因：文本预处理问题 3. 解决方案：添加check_embedding_ctx_length参数
杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
1、问题
开始用的代码如下：
import osfrom langchain_openai import OpenAIEmbeddings, OpenAIembeddings_model = OpenAIEmbeddings( api_key=os.getenv("DASHSCOPE_API_KEY"), base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", model="text-embedding-v3")embeddings = embeddings_model.embed_documents( [ "你好！", "你能做什么" ] )print(f"Embedding: {embeddings}")
执行时报错：
openai.BadRequestError: Error code: 400 - { 'error': { 'code': 'InvalidParameter', 'param': None, 'message': '<400> InternalError.Algo.InvalidParameter: Value error, contents is neither str nor list of str.: input.contents', 'type': 'InvalidParameter'}, 'id': '2aadf398-7093-9b37-be4c-c85829fce932', 'request_id': '2aadf398-7093-9b37-be4c-c85829fce932'}
2、原因
文本列表 在送入 embeddings.create 之前已经被 token 化了，发送给模型的并不是文本原文
3、方案
增加参数check_embedding_ctx_length = False。最终代码如下：
import osfrom langchain_openai import OpenAIEmbeddings, OpenAIembeddings_model = OpenAIEmbeddings( api_key=os.getenv("DASHSCOPE_API_KEY"), base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", model="text-embedding-v3", check_embedding_ctx_length = False)embeddings = embeddings_model.embed_documents( [ "你好！", "你能做什么" ] )print(f"Embedding: {embeddings}")
粤ICP备14082021号
免费POC，
零成本试错
