大家好，我是小锋老师，最近更新《2027版 基于LangChain的RAG与Agent智能体    开发视频教程》专辑，感谢大家支持。

本课程主要介绍和讲解RAG，LangChain简介，接入通义千万大模型  ，Ollama简介以及安装和使用，OpenAI 库介绍和使用，以及最重要的基于LangChain实现RAG与Agent智能体开发技术。

视频教程+课件+源码打包下载 ：

链接：https://pan.baidu.com/s/1_NzaNr0Wln6kv1rdiQnUTg
提取码：0000

基于LangChain的RAG与Agent智能体开发 - LangChain调用嵌入模型

LangChain的langchain_community包下，提供了embeddings嵌入模型调用接口，阿里百炼平台使用DashScopeEmbeddings，ollama本地模型使用OllamaEmbeddings。

单个字符串调用使用embed_query方法，多个字符串列表方式传入使用embed_documents方法

下面是调用阿里百炼平台默认嵌入模型text-embedding-v1 示例代码

from langchain_community.embeddings import DashScopeEmbeddings

# 创建模型
model = DashScopeEmbeddings(model="text-embedding-v1")

# 调用模型
result = model.embed_query("你好")  # 单个调用
result2 = model.embed_documents(["你好", "你叫什么"])  # 多个调用
print(len(result), result)
print(result2)

运行输出：

我们调用本地ollama的嵌入模型，选用qwen3-embedding:4b

示例代码：

from langchain_ollama import OllamaEmbeddings

# 创建模型
model = OllamaEmbeddings(model="qwen3-embedding:4b")

# 调用模型
result = model.embed_query("你好")  # 单个调用
result2 = model.embed_documents(["你好", "你叫什么"])  # 多个调用
print(len(result), result)
print(result2)

运行输出：