通义千问

通义千问（Qwen）Embedding 模型是 Qwen 系列的最新专有模型，专为文本嵌入和排序任务而设计。该系列基于 Qwen3 系列的密集基础模型，提供了从 0.6B 到 8B 不同参数规模的模型，覆盖了从轻量级边缘部署到高性能数据中心的全场景需求。其核心优势在于继承了基础模型卓越的多语言能力（支持超过 100 种语言和多种编程语言）、长文本理解（高达 32K 的上下文窗口） 以及强大的逻辑推理能力。

提示

使用 Qwen 服务需要遵循第三方平台的收费规则，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

• 已安装 pyseekdb 库。

• 创建 Dashscope API Key，用于身份验证。

示例：创建 Qwen Embedding Function

在代码中导入并初始化 QwenEmbeddingFunction。通常，API 密钥通过环境变量管理。

• 基本用法

  指定模型名称，使用默认环境变量 DASHSCOPE_API_KEY 进行初始化。

  from pyseekdb.utils.embedding_functions import QwenEmbeddingFunction
  
  # 使用 text-embedding-v1 模型
  ef = QwenEmbeddingFunction(
      model_name="text-embedding-v1"
  )

• 高级用法与自定义配置

  自定义 API 密钥的环境变量名称，并根据模型版本设置 dimensions、timeout 等参数。

  from pyseekdb.utils.embedding_functions import QwenEmbeddingFunction
  
  # 自定义环境变量名并设置超时
  ef = QwenEmbeddingFunction(
      model_name="text-embedding-v1",
      api_key_env="DASHSCOPE_API_KEY",
      timeout=30
  )
  
  # 使用动态维度的模型，并指定输出维度为 512
  ef = QwenEmbeddingFunction(
      model_name="text-embedding-v3",
      dimensions=512  # Reduce from default 1024 to 512
  )

参数说明：

• model_name：Qwen Embedding 模型名称，例如 text-embedding-v1、text-embedding-v3。不指定时默认为 text-embedding-v1。
• api_key_env：API Key 所在的环境变量名，默认是 DASHSCOPE_API_KEY。
• timeout：请求超时时间（秒），可选。
• dimensions：输出向量维度（仅当模型支持动态维度时生效，如 text-embedding-v3 可从默认 1024 调整为更小值），可选。