大家好我是小锋老师最近更新《2027版 基于LangChain的RAG与Agent智能体 开发视频教程》专辑感谢大家支持。本课程主要介绍和讲解RAGLangChain简介接入通义千万大模型 Ollama简介以及安装和使用OpenAI 库介绍和使用以及最重要的基于LangChain实现RAG与Agent智能体开发技术。视频教程课件源码打包下载 链接https://pan.baidu.com/s/1_NzaNr0Wln6kv1rdiQnUTg提取码0000基于LangChain的RAG与Agent智能体开发 - LangChain调用嵌入模型LangChain的langchain_community包下提供了embeddings嵌入模型调用接口阿里百炼平台使用DashScopeEmbeddingsollama本地模型使用OllamaEmbeddings。单个字符串调用使用embed_query方法多个字符串列表方式传入使用embed_documents方法下面是调用阿里百炼平台默认嵌入模型text-embedding-v1 示例代码from langchain_community.embeddings import DashScopeEmbeddings # 创建模型 model DashScopeEmbeddings(modeltext-embedding-v1) # 调用模型 result model.embed_query(你好) # 单个调用 result2 model.embed_documents([你好, 你叫什么]) # 多个调用 print(len(result), result) print(result2)运行输出我们调用本地ollama的嵌入模型选用qwen3-embedding:4b示例代码from langchain_ollama import OllamaEmbeddings # 创建模型 model OllamaEmbeddings(modelqwen3-embedding:4b) # 调用模型 result model.embed_query(你好) # 单个调用 result2 model.embed_documents([你好, 你叫什么]) # 多个调用 print(len(result), result) print(result2)运行输出
基于LangChain的RAG与Agent智能体开发 - LangChain调用嵌入模型
发布时间：2026/5/20 3:31:18
大家好我是小锋老师最近更新《2027版 基于LangChain的RAG与Agent智能体 开发视频教程》专辑感谢大家支持。本课程主要介绍和讲解RAGLangChain简介接入通义千万大模型 Ollama简介以及安装和使用OpenAI 库介绍和使用以及最重要的基于LangChain实现RAG与Agent智能体开发技术。视频教程课件源码打包下载 链接https://pan.baidu.com/s/1_NzaNr0Wln6kv1rdiQnUTg提取码0000基于LangChain的RAG与Agent智能体开发 - LangChain调用嵌入模型LangChain的langchain_community包下提供了embeddings嵌入模型调用接口阿里百炼平台使用DashScopeEmbeddingsollama本地模型使用OllamaEmbeddings。单个字符串调用使用embed_query方法多个字符串列表方式传入使用embed_documents方法下面是调用阿里百炼平台默认嵌入模型text-embedding-v1 示例代码from langchain_community.embeddings import DashScopeEmbeddings # 创建模型 model DashScopeEmbeddings(modeltext-embedding-v1) # 调用模型 result model.embed_query(你好) # 单个调用 result2 model.embed_documents([你好, 你叫什么]) # 多个调用 print(len(result), result) print(result2)运行输出我们调用本地ollama的嵌入模型选用qwen3-embedding:4b示例代码from langchain_ollama import OllamaEmbeddings # 创建模型 model OllamaEmbeddings(modelqwen3-embedding:4b) # 调用模型 result model.embed_query(你好) # 单个调用 result2 model.embed_documents([你好, 你叫什么]) # 多个调用 print(len(result), result) print(result2)运行输出
