>这些 hkunlp/instructor-* 系列引入了指令调优的句子嵌入。它们已被现代指令感知模型广泛超越，但原始模型仍在 Hugging Face 上可用，可通过旧版方式使用 HuggingFaceInstructEmbeddings class.

对于新项目，建议使用 HuggingFaceEmbeddings 从 langchain-huggingface 配合当前的指令感知模型，例如 intfloat/e5-large-v2, Qwen/Qwen3-Embedding-0.6B, or BAAI/bge-m3。通过以下方式传递查询和文档提示 encode_kwargs 和 query_encode_kwargs:

from langchain_huggingface import HuggingFaceEmbeddings

embeddings = HuggingFaceEmbeddings(
    model_name="intfloat/e5-large-v2",
    encode_kwargs={"prompt": "passage: "},
    query_encode_kwargs={"prompt": "query: "},
)

旧版 Instructor 用法

pip install -qU langchain-community InstructorEmbedding sentence-transformers

from langchain_community.embeddings import HuggingFaceInstructEmbeddings

embeddings = HuggingFaceInstructEmbeddings(
    query_instruction="Represent the query for retrieval: "
)

query_result = embeddings.embed_query("This is a test document.")