跳到主要内容
版本：V1.1.0

Cohere

Cohere 提供多种 Embedding 模型，可用于文本语义检索、聚类与推荐等场景。seekdb 提供 CohereEmbeddingFunction 封装，用于在写入 documents 或使用 query_texts 查询时，自动调用 Cohere 生成向量并完成相似性检索。

提示

使用 Cohere 服务需要遵循 Cohere 的收费规则，可能产生相应费用。请在继续前，访问其官网或查阅相关文档，确认并接受其收费标准。如不同意，请勿继续操作。

依赖与鉴权​

使用该 Embedding Function 通常需要：

  • 已获取 Cohere API Key，并具备调用目标 Embedding 模型的权限
  • 鉴权可通过参数传入 API Key，或通过环境变量提供（默认读取 COHERE_API_KEY）；若使用其他环境变量名，可通过 apiKeyEnvVar 指定

安装​

npm i seekdb @seekdb/cohere

示例：创建 Cohere Embedding Function​

import { CohereEmbeddingFunction } from "@seekdb/cohere";

const ef = new CohereEmbeddingFunction({
  modelName: "embed-english-v3.0",
  inputType: "search_document",
});

配置项说明：

  • apiKey：Cohere API Key（可选；若不提供，则尝试从环境变量读取）
  • apiKeyEnvVar：API Key 的环境变量名（默认："COHERE_API_KEY"）
  • modelName：Embedding 模型名称（默认："embed-english-v3.0"）
  • inputType：输入类型提示，用于优化检索效果。可选值："search_document" | "search_query" | "classification" | "clustering" | "image"（默认："search_document"）
  • truncate：过长输入时的截断策略，可选："NONE" | "START" | "END"（可选）
  • embeddingType：输出向量类型，可选："float" | "int8" | "uint8" | "binary" | "ubinary"（可选）

Contents

编辑此页