EDEN AI
Eden AI 正在徹底改變 AI 領域，它匯集了最佳的 AI 提供商，使用戶能夠釋放無限的可能性，並挖掘人工智慧的真正潛力。透過一個全面且無憂的一體化平台，它允許用戶以極快的速度將 AI 功能部署到生產環境中，並透過單一 API 輕鬆存取所有 AI 功能。（網站：https://edenai.co/）
此範例說明如何使用 LangChain 與 Eden AI 嵌入模型互動
存取 EDENAI 的 API 需要 API 金鑰，
您可以透過建立帳戶來獲取，請前往 https://app.edenai.run/user/register 並到此處 https://app.edenai.run/admin/account/settings
取得金鑰後，我們會希望透過執行以下命令將其設定為環境變數
export EDENAI_API_KEY="..."
如果您不想設定環境變數，可以直接透過 edenai_api_key 命名參數傳遞金鑰
在初始化 EdenAI 嵌入類別時
from langchain_community.embeddings.edenai import EdenAiEmbeddings
API 參考：EdenAiEmbeddings
embeddings = EdenAiEmbeddings(edenai_api_key="...", provider="...")
呼叫模型
EdenAI API 匯集了各種提供商。
要存取特定模型，您只需在呼叫時使用 "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