Mistral

---
title: Mistral Embedder
sidebarTitle: Mistral
---

`MistralEmbedder` 类用于通过 Mistral API 将文本数据嵌入到向量中。在此处获取您的密钥：[https://console.mistral.ai/api-keys/](https://console.mistral.ai/api-keys/)。

## 用法

```python cookbook/embedders/mistral_embedder.py
from agno.agent import AgentKnowledge
from agno.vectordb.pgvector import PgVector
from agno.embedder.mistral import MistralEmbedder

# 将句子嵌入数据库
embeddings = MistralEmbedder().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 embedder
knowledge_base = AgentKnowledge(
    vector_db=PgVector(
        db_url="postgresql+psycopg://ai:ai@localhost:5532/ai",
        table_name="mistral_embeddings",
        embedder=MistralEmbedder(),
    ),
    num_documents=2,
)

参数

参数	类型	默认值	描述
model	str	"mistral-embed"	用于生成嵌入向量的模型名称。
dimensions	int	1024	模型生成的嵌入向量的维度。
request_params	Optional[Dict[str, Any]]	-	要包含在 API 请求中的附加参数。可选。
api_key	str	-	用于身份验证请求的 API 密钥。
endpoint	str	-	API 请求的端点 URL。
max_retries	Optional[int]	-	API 请求的最大重试次数。可选。
timeout	Optional[int]	-	API 请求的超时时长。可选。
client_params	Optional[Dict[str, Any]]	-	用于配置 API 客户端的附加参数。可选。
mistral_client	Optional[MistralClient]	-	用于发出 API 请求的 MistralClient 实例。可选。

开发者资源

• 查看 Cookbook

Assistant

Responses are generated using AI and may contain mistakes.