AI RunnablePassThrough的问题
【摘要】 HuggingFacePipelineEmbeddings 不存在于正式稳定版 langchain-huggingface！之前给你的名称错误，这就是导入失败根源，非常抱歉！在官方稳定版本 langchain-huggingface 里只有 2 个本地 Embedding 类：HuggingFaceEmbeddings（唯一本地嵌入类，强制依赖sentence-transformers）Hu...
HuggingFacePipelineEmbeddings 不存在于正式稳定版 langchain-huggingface！之前给你的名称错误，这就是导入失败根源，非常抱歉！在官方稳定版本
langchain-huggingface 里只有 2 个本地 Embedding 类：HuggingFaceEmbeddings（唯一本地嵌入类，强制依赖sentence-transformers）HuggingFaceEndpointEmbeddings（调用远程推理接口，不能本地跑 BGE）
当前局面总结
- 想用
langchain_huggingface本地加载 BGE：只能用HuggingFaceEmbeddings HuggingFaceEmbeddings必须依赖sentence-transformers- 新版
sentence-transformers+transformers>=4.51存在官方兼容 Bug
两条【纯 LangChain 生态、不手写原生 transformers】可行方案
方案 A｜锁定兼容版本组合（继续使用 HuggingFaceEmbeddings，推荐授课）
激活你的
rag_env，执行下面锁定版本命令：powershell
pip install transformers==4.46.3 sentence-transformers==3.2.1 --force-reinstall
安装完成，你原始代码直接正常运行：
python
运行
import os
os.environ["HF_ENDPOINT"] = "https://hf-mirror.com"
os.environ["HF_HOME"] = r"D:\huggingface_cache"
from langchain_huggingface import HuggingFaceEmbeddings
embedding_model = HuggingFaceEmbeddings(
model_name="BAAI/bge-small-zh-v1.5",
model_kwargs={"device": "cpu"},
encode_kwargs={"normalize_embeddings": True},
)
text = "订单未发货时，用户可以直接申请退款。"
vector = embedding_model.embed_query(text)
print(type(vector))
print(f"向量维度：{len(vector)}")
print(vector[:10])
原理：transformers==4.46.3还保留is_datasets_available，不会触发导入崩溃。
方案 B｜更换 LangChain 官方替代包 FastEmbedEmbeddings（彻底绕开 sentence-transformers）
不使用
langchain_huggingface，使用社区支持的 FastEmbed，同样属于 LangChain 标准组件，不需要 sentence-transformers、不受 transformers 版本影响powershell
# rag_env内执行安装
pip install fastembed langchain-community
完整代码：
python
运行
import os
os.environ["HF_ENDPOINT"] = "https://hf-mirror.com"
os.environ["HF_HOME"] = r"D:\huggingface_cache"
from langchain_community.embeddings import FastEmbedEmbeddings
embedding_model = FastEmbedEmbeddings(
model_name="BAAI/bge-small-zh-v1.5"
)
text = "订单未发货时，用户可以直接申请退款。"
vector = embedding_model.embed_query(text)
print(type(vector))
print(f"向量维度：{len(vector)}")
print(vector[:10])
✅ 接口完全一致，后续接入 Chroma 向量库代码不用改动。
建议选择
如果你课程演示要求严格使用
如果只是需要 LangChain 规范 Embedding、不限定包名称 → 方案 B FastEmbed 稳定性最强，一劳永逸
langchain_huggingface → 执行方案 A 锁定版本
❌ 不要再尝试HuggingFacePipelineEmbeddings，官方稳定包不存在这个类，名称是之前错误信息。
优先执行方案 A 的 pip 锁定版本命令！
【声明】本内容来自华为云开发者社区博主，不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息，否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论（0）