嵌入模型是一种能将数据（如单词、句子、图片）转换为数值向量（也就是坐标）的技术。

它的核心原则是：语义越相近的数据，在向量空间中的距离就越近。

简单来说，嵌入模型为计算机理解世界提供了一个“坐标系”，让机器能够像人类一样，理解数据之间的“意义”和“关联”。

调用代码示例：

import os
from langchain_community.embeddings import DashScopeEmbeddings
# 设置环境变量api_key
os.environ["DASHSCOPE_API_KEY"] = ""

model = DashScopeEmbeddings(dashscope_api_key="")  # 同时传递api_key)
print(model.embed_query("我喜欢你")) # 单次转换
print(model.embed_documents(["我喜欢你","我稀饭你","晚上吃啥"])) # 批量转换

输出结果:

Logo
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

AI Agent编排：复杂工作流的自动化实现

在深入探讨Agent编排之前，我们首先需要明确什么是AI Agent。AI Agent是一个能够感知环境、做出决策并采取行动的自主实体。感知模块：接收和处理环境信息推理/决策模块：基于感知信息进行思考和决策行动模块：执行具体的操作（如调用工具、生成文本）记忆模块：存储历史信息和知识通信模块：与其他Agent或系统进行交互Agent编排（Agent Orchestration）是指对多个Agent的

avatar AI Agent技术社区
cover

阶跃星辰 StepAudio 3：五款语音模型一次放出，全双工对话拿下两个全球第一

avatar AI Agent技术社区

AI Agent的多轮对话状态管理

在深入探讨之前，让我们首先明确几个核心概念：AI Agent：一种能够感知环境、做出决策并执行行动的智能实体。在对话系统中，AI Agent通常指能够理解用户意图、保持对话上下文并生成有意义响应的系统。多轮对话：不同于单轮问答，多轮对话是指用户与系统之间进行的连续、有上下文关联的交互序列。对话状态管理(Dialogue State Tracking, DST)：是多轮对话系统中的核心组件，负责在对

avatar AI Agent技术社区