Hugging Face 集成中的 Instructor embeddings

集成 Hugging Face 上的 Instructor-style 嵌入模型，使用 LangChain Python。

The hkunlp/instructor-* 家族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取代，但原始模型仍在Hugging Face上提供，可通过 HuggingFaceInstructEmbeddings 类别使用。

对于新项目，建议使用 HuggingFaceEmbeddings（参考langchain-huggingface）配合当前指令感知模型 intfloat/e5-large-v2、Qwen/Qwen3-Embedding-0.6B 或 BAAI/bge-m3。通过 encode_kwargs 和 query_encode_kwargs 传递查询和文档提示：

from langchain_huggingface import HuggingFaceEmbeddings

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

遗留指令师用法

pip install -qU langchain-community InstructorEmbedding sentence-transformers

langchain-community包已不再维护。从langchain_community导入的示例可能过时或无法使用。请谨慎使用。

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.")

---

官方原文：src/oss/python/integrations/embeddings/instruct_embeddings.mdx · 非官方翻译，译文由 AI 生成，以英文原文为准。