使用Amazon Bedrock进行文本嵌入

最新推荐文章于 2026-08-21 19:17:26 发布

原创最新推荐文章于 2026-08-21 19:17:26 发布 · 511 阅读

本内容遵循CC 4.0 BY-SA版权协议

在本文中，我们将介绍如何使用Amazon Bedrock在文本嵌入任务中。Amazon Bedrock是一款强大的工具，能够帮助我们将文本转换为高维向量，这在NLP任务中非常有用。例如，我们可以将文本嵌入用在文本相似度计算、信息检索和分类等任务中。

安装LlamaIndex模块

在开始之前，我们需要安装LlamaIndex模块，这个模块提供了对Bedrock嵌入的支持。

%pip install llama-index-embeddings-bedrock

使用Bedrock进行文本嵌入

接下来，我们将展示如何使用BedrockEmbedding类进行文本嵌入。我们需要提供AWS的访问密钥和会话令牌等信息。

import os
from llama_index.embeddings.bedrock import BedrockEmbedding

embed_model = BedrockEmbedding(
    aws_access_key_id=os.getenv("AWS_ACCESS_KEY_ID"),
    aws_secret_access_key=os.getenv("AWS_SECRET_ACCESS_KEY"),
    aws_session_token=os.getenv("AWS_SESSION_TOKEN"),
    region_name="<aws-region>",
    profile_name="<aws-profile>",
)

embedding = embed_model.get_text_embedding("hello world")
print(embedding)

列出支持的模型

我们可以调用 list_supported_models() 方法来查看Amazon Bedrock在LlamaIndex中支持的所有模型。

from llama_index.embeddings.bedrock import BedrockEmbedding
import json

supported_models = BedrockEmbedding.list_supported_models()
print(json.dumps(supported_models, indent=2))

使用Amazon Titan模型进行文本嵌入

我们可以选择使用Amazon Titan嵌入模型进行文本嵌入。

from llama_index.embeddings.bedrock import BedrockEmbedding

model = BedrockEmbedding(model="amazon.titan-embed-g1-text-02")
embeddings = model.get_text_embedding("hello world")
print(embeddings)

使用Cohere英语模型进行文本嵌入

我们还可以选择使用Cohere的英语嵌入模型。

model = BedrockEmbedding(model="cohere.embed-english-v3")
coherePayload = ["This is a test document", "This is another test document"]

embed1 = model.get_text_embedding("This is a test document")
print(embed1)

embeddings = model.get_text_embedding_batch(coherePayload)
print(embeddings)

使用Cohere多语言模型进行文本嵌入

对于多语言文本，我们可以使用Cohere的多语言嵌入模型。

model = BedrockEmbedding(model="cohere.embed-multilingual-v3")
coherePayload = [
    "This is a test document",
    "తెలుగు అనేది ద్రావిడ భాషల కుటుంబానికి చెందిన భాష.",
    "Esto es una prueba de documento multilingüe.",
    "攻殻機動隊",
    "Combien de temps ça va prendre ?",
    "Документ проверен",
]
embeddings = model.get_text_embedding_batch(coherePayload)
print(embeddings)

常见错误与解决方法

认证错误
- 确保AWS访问密钥和会话令牌正确配置。
- 错误信息示例: Invalid AWS credentials.
- 解决方案: 检查并重新配置环境变量或AWS配置文件。
模型不支持
- 确保选择的模型在当前区域和API版本中受支持。
- 错误信息示例: Model not supported.
- 解决方案: 通过 list_supported_models() 检查支持的模型，选择合适的模型。
网络问题
- 确保网络连接正常，能够访问AWS服务。
- 错误信息示例: Network connection error.
- 解决方案: 检查网络连接，或选择稳定的网络环境。