> ## Documentation Index
> Fetch the complete documentation index at: https://ikun.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# 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](https://ai.google.dev/aistudio) 获取。

## 用法

```python cookbook/embedders/gemini_embedder.py theme={null}
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](https://github.com/agno-agi/agno/blob/main/cookbook/agent_concepts/knowledge/embedders/gemini_embedder.py)