Jina Embeddings

Qdrant 与 Jina AI 嵌入兼容。您可以从 Jina Embeddings 获取免费试用密钥以获取嵌入。

Qdrant 用户可以使用代码 QDRANT 获得 Jina AI API 10% 的折扣。

技术摘要

模型维度语言MRL (matryoshka)上下文
jina-embeddings-v42048(单向量),128(多向量)多语言(30+)32768 + 文本/图像
jina-clip-v21024多语言(100+,重点关注 30+)文本/图像
jina-embeddings-v31024多语言(89 种语言)8192
jina-embeddings-v2-base-en768英语8192
jina-embeddings-v2-base-de768德语 & 英语8192
jina-embeddings-v2-base-es768西班牙语 & 英语8192
jina-embeddings-v2-base-zh768中文 & 英语8192

Jina 建议对所有任务使用 jina-embeddings-v4

除了主干模型,jina-embeddings-v4 还使用 5 个针对不同嵌入用途的任务特定适配器进行了训练。在请求中包含 task 以优化您的下游应用程序

  • retrieval.query:用于在检索任务中编码用户查询或问题。
  • retrieval.passage:用于在索引时编码检索任务中的大型文档。
  • code.query:用于在代码相关检索任务中编码用户查询或问题。
  • code.passage:用于在索引时编码代码相关检索任务中的大型文档。
  • text-matching:用于编码文本以进行相似性匹配,例如测量两个句子之间的相似性。

同样,jina-embeddings-v3 也使用 5 个针对不同嵌入用途的任务特定适配器进行了训练。在请求中包含 task 以优化您的下游应用程序

  • retrieval.query:用于在检索任务中编码用户查询或问题。
  • retrieval.passage:用于在索引时编码检索任务中的大型文档。
  • classification:用于编码文本以进行文本分类任务。
  • text-matching:用于编码文本以进行相似性匹配,例如测量两个句子之间的相似性。
  • separation:用于聚类或重排序任务。

jina-embeddings-v4jina-embeddings-v3jina-clip-v2 支持 Matryoshka Representation Learning,允许用户在性能损失最小的情况下控制嵌入维度。在请求中包含 dimensions 以选择所需的维度。默认情况下,dimensions 设置为 2048(jina-embeddings-v4)或 1024(jina-embeddings-v3jina-clip-v2),建议选择 256 到 2048 之间的数字。您可以参考下表获取 jina-embeddings-v3 模型的维度与性能提示。其他模型也有类似的结果。

维度32641282565127681024
平均检索性能 (nDCG@10)52.5458.5461.6462.7263.1663.363.35

jina-embeddings-v4jina-embeddings-v3 支持 Late Chunking,该技术利用模型的长上下文能力生成上下文块嵌入。在请求中包含 late_chunking=True 以启用上下文分块表示。当设置为 true 时,Jina AI API 将连接输入字段中的所有句子并将其作为单个字符串提供给模型。在内部,模型嵌入这个长连接字符串,然后执行后期分块,返回一个与输入列表大小匹配的嵌入列表。

示例

文本到文本检索

下面的代码演示了如何将 jina-embeddings-v4 与 Qdrant 结合使用

import requests

import qdrant_client
from qdrant_client.models import Distance, VectorParams, Batch

# Provide Jina API key and choose one of the available models.
JINA_API_KEY = "jina_xxxxxxxxxxx"
MODEL = "jina-embeddings-v4"
DIMENSIONS = 2048 # Or choose your desired output vector dimensionality.
TASK = 'retrieval.passage' # For indexing, or set to retrieval.query for querying

# Get embeddings from the API
url = "https://api.jina.ai/v1/embeddings"

headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {JINA_API_KEY}",
}

data = {
    "input": ["Your text string goes here", "You can send multiple texts"],
    "model": MODEL,
    "dimensions": DIMENSIONS,
    "task": TASK,
    "late_chunking": True,
}

response = requests.post(url, headers=headers, json=data)
embeddings = [d["embedding"] for d in response.json()["data"]]


# Index the embeddings into Qdrant
client = qdrant_client.QdrantClient(":memory:")
client.create_collection(
    collection_name="MyCollection",
    vectors_config=VectorParams(size= DIMENSIONS, distance=Distance.DOT),
)


qdrant_client.upsert(
    collection_name="MyCollection",
    points=Batch(
        ids=list(range(len(embeddings))),
        vectors=embeddings,
    ),
)

文本到图像检索

下面的代码演示了如何将 jina-embeddings-v4 与 Qdrant 结合使用

import requests
from qdrant_client import QdrantClient
from qdrant_client.models import Distance, VectorParams, PointStruct

# Provide your Jina API key and choose the model.
JINA_API_KEY = "jina_xxxxxxxxxxx"
MODEL = "jina-embeddings-v4"
DIMENSIONS = 2048  # Set the desired output vector dimensionality.

# Define the inputs
text_input = "A blue cat"
image_url = "https://i.pinimg.com/600x315/21/48/7e/21487e8e0970dd366dafaed6ab25d8d8.jpg"

# Get embeddings from the Jina API
url = "https://api.jina.ai/v1/embeddings"
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {JINA_API_KEY}",
}
data = {
    "input": [
        {"text": text_input},
        {"image": image_url},
    ],
    "model": MODEL,
    "dimensions": DIMENSIONS,
}

response = requests.post(url, headers=headers, json=data)
response_data = response.json()["data"]

# The model doesn't differentiate between images and text, so we extract output based on the input order.
text_embedding = response_data[0]["embedding"]
image_embedding = response_data[1]["embedding"]

# Initialize Qdrant client
client = QdrantClient(url="https://:6333/")

# Create a collection with named vectors
collection_name = "MyCollection"
client.recreate_collection(
    collection_name=collection_name,
    vectors_config={
        "text_vector": VectorParams(size=DIMENSIONS, distance=Distance.DOT),
        "image_vector": VectorParams(size=DIMENSIONS, distance=Distance.DOT),
    },
)

client.upsert(
    collection_name=collection_name,
    points=[
        PointStruct(
            id=0,
            vector={
                "text_vector": text_embedding,
                "image_vector": image_embedding,
            }
        )
    ],
)

# Now let's query the collection
search_query = "A purple cat"

# Get the embedding for the search query from the Jina API
url = "https://api.jina.ai/v1/embeddings"
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {JINA_API_KEY}",
}
data = {
    "input": [{"text": search_query}],
    "model": MODEL,
    "dimensions": DIMENSIONS,
    # "task": "retrieval.query" # Uncomment this line for text-to-text retrieval tasks
}

response = requests.post(url, headers=headers, json=data)
query_embedding = response.json()["data"][0]["embedding"]

search_results = client.query_points(
    collection_name=collection_name,
    query=query_embedding,
    using="image_vector",
    limit=5
).points

for result in search_results:
    print(f"ID: {result.id}, Score: {result.score}")
此页面有用吗?

感谢您的反馈!🙏

我们很抱歉听到这个消息。😔 您可以在 GitHub 上编辑此页面,或创建一个 GitHub 问题。