LangChain教程：调用阿里千问embedding嵌入模型 作者：马育民 • 2026-02-24 20:58 • 阅读：10003 # 阿里千问嵌入模型分类 - text-embedding-v1：基础版，**免费额度较高，适合测试**。 - text-embedding-v2：升级版，**语义表征更精准，推荐生产环境使用**。 # 创建模型 ### 默认方式 默认使用模型是: `text-embedding-v1` ``` embed = DashScopeEmbeddings() ``` ### 指定模型 ``` embed = DashScopeEmbeddings( model="text-embedding-v2", # 指定模型 ) ``` # 常用方法 - embed_query(text)：专为查询文本优化，返回 **单个向量**（一维列表）。 - embed_documents(texts)：专为 **文档集合优化，批量处理更高效，返回向量列表**（二维列表）。 ### 向量长度： 无论 v1 还是 v2 模型，生成的向量长度都是 `1536`，可直接用于向量数据库（如 Milvus、Chroma 等）的存储和检索。 # 例子 ``` from langchain_community.embeddings import DashScopeEmbeddings from dotenv import load_dotenv # 加载 .env 文件，并放入到环境变量中 load_dotenv() # 初始化嵌入模型对象，其默认使用模型是: text-embedding-v1 embed = DashScopeEmbeddings() # 将字符串转为向量 print(embed.embed_query("LangChain调用阿里千问嵌入模型")) # 传入list列表，其元素是多个字符串，批量将字符串转为向量 print(embed.embed_documents([ "LangChain是一个大语言模型应用开发框架", "阿里千问是阿里云推出的大语言模型", "Embedding模型用于将文本转换为向量表示"])) ``` 原文出处：http://malaoshi.top/show_1GW2q1hagRKH.html