>Hugging Face Text Embeddings Inference (TEI) 是一个用于部署和服务开源 > 文本嵌入和序列分类模型的工具包。 TEI 支持最流行模型的高性能提取， >包括 FlagEmbedding, Ember, GTE 和 E5.

要在 langchain 中使用它，首先安装 huggingface-hub.

pip install -U huggingface-hub

然后使用 TEI 公开一个嵌入模型。例如，使用 Docker，您可以服务 BAAI/bge-large-en-v1.5 如下：

model=BAAI/bge-large-en-v1.5
revision=refs/pr/5
volume=$PWD/data # share a volume with the Docker container to avoid downloading weights every run

docker run --gpus all -p 8080:80 -v $volume:/data --pull always ghcr.io/huggingface/text-embeddings-inference:0.6 --model-id $model --revision $revision

Specifics on Docker usage might vary with the underlying hardware. For example, to serve the model on Intel Gaudi/Gaudi2 hardware, refer to the tei-gaudi 仓库 获取相关的 docker run 命令。

最后，实例化客户端并嵌入您的文本。

from langchain_huggingface.embeddings import HuggingFaceEndpointEmbeddings

embeddings = HuggingFaceEndpointEmbeddings(model="http://localhost:8080")

text = "What is deep learning?"

query_result = embeddings.embed_query(text)
query_result[:3]

[0.018113142, 0.00302585, -0.049911194]

doc_result = embeddings.embed_documents([text])

doc_result[0][:3]

[0.018113142, 0.00302585, -0.049911194]