> ## Documentation Index
> Fetch the complete documentation index at: https://langchain-docs-zh.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# VoyageEmbeddings 集成

> 使用 LangChain JavaScript 集成 VoyageEmbeddings 嵌入模型。

这将帮助您使用 LangChain 开始使用 VoyageEmbeddings [嵌入模型](https://langchain-docs-zh.mintlify.site/langchain/oss/python/integrations/embeddings.md)。有关 `VoyageEmbeddings` 功能和配置选项的详细文档，请参阅 [API 参考](https://reference.langchain.com/javascript/langchain-mongodb/VoyageEmbeddings)。

## 概述

### 集成详情

| 类 | 包 | 本地 | [Python 支持](https://langchain-docs-zh.mintlify.site/langchain/oss/python/integrations/embeddings/voyageai.md) | 下载 | 版本 |
| :- | :- | :-: | :-: | :-: | :-: |
| [`VoyageEmbeddings`](https://reference.langchain.com/javascript/langchain-mongodb/VoyageEmbeddings) | [`@langchain/mongodb`](https://www.npmjs.com/package/@langchain/mongodb) | ❌ | ✅ | ![NPM - 下载](https://img.shields.io/npm/dm/@langchain/mongodb?style=flat-square\&label=%20&) | ![NPM - 版本](https://img.shields.io/npm/v/@langchain/mongodb?style=flat-square\&label=%20&) |

## 设置

要访问 Voyage AI 嵌入模型，您需要创建一个 Voyage AI 账户，获取一个 API 密钥，并安装 `@langchain/mongodb` 集成包。

### 凭证

前往 [voyageai.com](https://www.voyageai.com) 注册并生成 API 密钥。完成后，设置 `VOYAGE_API_KEY` 环境变量：

```bash theme={null}
export VOYAGE_API_KEY="your-api-key"
```

如果您希望自动跟踪您的模型调用，可以通过取消注释以下内容来设置您的 [LangSmith](https://docs.langchain.com/langsmith/home) API 密钥：

```bash theme={null}
# export LANGSMITH_TRACING="true"
# export LANGSMITH_API_KEY="your-api-key"
```

### 安装

LangChain VoyageEmbeddings 集成位于 `@langchain/mongodb` 包中：

```bash npm theme={null}
npm install @langchain/mongodb @langchain/core
```

```bash yarn theme={null}
yarn add @langchain/mongodb @langchain/core
```

```bash pnpm theme={null}
pnpm add @langchain/mongodb @langchain/core
```

## 实例化

现在我们可以实例化我们的模型对象并嵌入文本：

```typescript theme={null}
import { VoyageEmbeddings } from "@langchain/mongodb";

const embeddings = new VoyageEmbeddings({
  apiKey: "YOUR-API-KEY", // In Node.js defaults to process.env.VOYAGE_API_KEY
  model: "voyage-4",
});
```

## 索引和检索

嵌入模型通常用于检索增强生成 (RAG) 流程中，既作为索引数据的一部分，也用于稍后检索数据。有关更详细的说明，请参阅我们在 [**学习** 标签](https://langchain-docs-zh.mintlify.site/langchain/oss/learn.md) 下 RAG 教程。

以下是如何使用我们上面初始化的 `embeddings` 对象索引和检索数据。在这个示例中，我们将使用 demo [`MemoryVectorStore`](https://langchain-docs-zh.mintlify.site/langchain/oss/javascript/integrations/vectorstores/memory) 索引和检索一个示例文档。

```typescript theme={null}
// Create a vector store with a sample text
import { MemoryVectorStore } from "@langchain/classic/vectorstores/memory";

const text = "LangChain is the framework for building context-aware reasoning applications";

const vectorstore = await MemoryVectorStore.fromDocuments(
  [{ pageContent: text, metadata: {} }],
  embeddings,
);

// Use the vector store as a retriever that returns a single document
const retriever = vectorstore.asRetriever(1);

// Retrieve the most similar text
const retrievedDocuments = await retriever.invoke("What is LangChain?");

retrievedDocuments[0].pageContent;
```

```text theme={null}
LangChain is the framework for building context-aware reasoning applications
```

## 直接使用

在底层，向量存储和检索器的实现会调用 `embeddings.embedDocument(...)` 和 `embeddings.embedQuery(...)` 来为 `fromDocuments` 中使用的文本和检索器的 `invoke` 操作创建嵌入。

您可以直接调用这些方法来获取您自己的用例的嵌入。

### 嵌入单个文本

您可以使用 `embedQuery` 嵌入搜索查询。这会生成特定于查询的向量表示：

```typescript theme={null}
const singleVector = await embeddings.embedQuery(text);

console.log(singleVector.slice(0, 3));
```

### 嵌入多个文本

您可以使用 `embedDocuments` 嵌入多个用于索引的文本。此方法使用的内部机制可能与嵌入查询不同：

```typescript theme={null}
const text2 = "LangGraph is a library for building stateful, multi-actor applications with LLMs";

const vectors = await embeddings.embedDocuments([text, text2]);

console.log(vectors[0].slice(0, 3));
console.log(vectors[1].slice(0, 3));
```

***

## API 参考

有关所有 `VoyageEmbeddings` 功能和配置的详细文档，请前往 [API 参考](https://reference.langchain.com/javascript/langchain-mongodb/VoyageEmbeddings)。

***

> 官方原文：[src/oss/javascript/integrations/embeddings/voyageai.mdx](https://github.com/langchain-ai/docs/blob/main/src/oss/javascript/integrations/embeddings/voyageai.mdx) · 非官方翻译，译文由 AI 生成，以英文原文为准。


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.