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 提供了 CohereEmbeddingFunction 封装（基于 LiteLLM），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

CohereEmbeddingFunction 基于 LiteLLM 调用 Cohere 的 Embedding 接口。通常需要：

• Cohere API Key（具备调用 Embedding 模型的权限）
• Python 环境安装 pyseekdb 与 litellm

鉴权通常通过环境变量提供（默认读取 COHERE_API_KEY）；如果您使用了不同的环境变量名，可通过 api_key_env 指定。

示例：创建 Cohere Embedding Function

• 基础用法

  from pyseekdb.utils.embedding_functions import CohereEmbeddingFunction
  
  ef = CohereEmbeddingFunction(model_name="embed-english-v3.0")

• 多语言模型

  from pyseekdb.utils.embedding_functions import CohereEmbeddingFunction
  
  ef = CohereEmbeddingFunction(model_name="embed-multilingual-v3.0")

• 指定 API Key 环境变量名（api_key_env）

  当您的 API Key 不在默认的 COHERE_API_KEY 环境变量中时，可以通过 api_key_env 指定变量名：

  from pyseekdb.utils.embedding_functions import CohereEmbeddingFunction
  
  ef = CohereEmbeddingFunction(
      model_name="embed-english-v3.0",
      api_key_env="YOUR_API_KEY_ENV",
  )

• 指定 input_type（推荐用于检索场景）

  在检索类场景中，可通过 input_type 提示模型当前输入的用途，从而获得更贴合检索的向量表示：

  from pyseekdb.utils.embedding_functions import CohereEmbeddingFunction
  
  ef = CohereEmbeddingFunction(
      model_name="embed-english-v3.0",
      input_type="search_document",
  )
  
  # ef = CohereEmbeddingFunction(
  #     model_name="embed-english-v3.0",
  #     input_type="search_query",
  # )

参数说明：

• model_name：Cohere Embedding 模型名称，例如 embed-english-v3.0、embed-multilingual-v3.0。
• api_key_env：API Key 所在的环境变量名，默认是 COHERE_API_KEY。
• input_type：输入类型提示，用于优化检索效果。常见取值：
  • search_document：用于文档入库（documents）
  • search_query：用于查询（query texts）

相关文档

• 关于 Cohere 可用模型与参数，请参考官方文档。
• 关于 LiteLLM 对 embedding 的支持范围，请参考官方文档。