解决langchain查询es数据库报错：BadRequestError(400, ’search_phase_execution_exception‘, ‘runtime error‘)

将类型改为dense_vector就好了。其中dims是指向量的维度，跟你的embedding模型有关。想要查看embedding模型的维度，只需要将文本转向量后使用len()方法去获取长度即可，这个数组长度就是向量的维度。你报这个错误可能不是因为我这个原因，请自行鉴别！

小乘字节

1936人浏览 · 2024-06-19 18:03:30

小乘字节 · 2024-06-19 18:03:30 发布

你报这个错误可能不是因为我这个原因，请自行鉴别！！！

我是在langchain中使用similarity_search_by_vector_with_relevance_scores（所属类ElasticsearchStore）方法去查询的时候报错的：

BadRequestError(400, ’search_phase_execution_exception', 'runtime error')

导致这个错误的原因是因为向量字段类型设置错误，设置成了float类型，如图：

将类型改为dense_vector就好了。其中dims是指向量的维度，跟你的embedding模型有关。想要查看embedding模型的维度，只需要将文本转向量后使用len()方法去获取长度即可，这个数组长度就是向量的维度。

AI Agent技术社区

Agent 垂直技术社区，欢迎活跃、内容共建。

更多推荐

【免费下载】 index-tts-vllm：高性能文本转语音解决方案

`index-tts-vllm` 是一款开源的文本转语音（TTS）项目，基于 `index-tts` 进行了优化，通过引入 `vllm` 库重新实现了 GPT 模型的推理过程，大幅提升了推理速度和并发处理能力。项目旨在为开发者提供一个高效、稳定、易于集成的 TTS 解决方案。## 项目技术分析`index-tts-vllm` 采用了以下核心技术：- **vllm 库**：用于加速 GP

AI Agent技术社区

AgentScope示例应用：多智能体对话

在人工智能快速发展的今天，单一智能体已经难以满足复杂任务的需求。想象一下这样的场景：一个项目团队需要讨论技术方案，不同专业背景的成员各抒己见，最终达成共识。这正是多智能体对话要解决的问题——让多个AI智能体像真实团队成员一样进行有意义的交流。AgentScope作为面向开发者的多智能体编程框架，提供了强大的多智能体对话能力。本文将深入探讨如何使用AgentScope构建高效的多智能体对话系统。..