Gemini 嵌入器

GeminiEmbedder 类用于通过 Gemini API 将文本数据嵌入到向量中。您可以 在此处 获取。

用法

cookbook/embedders/gemini_embedder.py

from agno.agent import AgentKnowledge
from agno.vectordb.pgvector import PgVector
from agno.embedder.google import GeminiEmbedder

# 将句子嵌入数据库
embeddings = GeminiEmbedder().get_embedding("The quick brown fox jumps over the lazy dog.")

# 打印嵌入向量及其维度
print(f"Embeddings: {embeddings[:5]}")
print(f"Dimensions: {len(embeddings)}")

# 在知识库中使用嵌入器
knowledge_base = AgentKnowledge(
    vector_db=PgVector(
        db_url="postgresql+psycopg://ai:ai@localhost:5532/ai",
        table_name="gemini_embeddings",
        embedder=GeminiEmbedder(),
    ),
    num_documents=2,
)

参数

参数	类型	默认值	描述
dimensions	int	768	生成的嵌入向量的维度
model	str	models/text-embedding-004	要使用的 Gemini 模型名称
task_type	str	-	生成嵌入向量的任务类型
title	str	-	嵌入任务的可选标题
api_key	str	-	用于验证请求的 API 密钥
request_params	Optional[Dict[str, Any]]	-	嵌入请求参数的可选字典
client_params	Optional[Dict[str, Any]]	-	Gemini 客户端参数的可选字典
gemini_client	Optional[Client]	-	可选的预配置 Gemini 客户端实例

开发者资源

• 查看 Cookbook

Assistant

Responses are generated using AI and may contain mistakes.