RAG聊天bot开发报错：HuggingFace Embeddings遇AttributeError求助

这个错误的核心原因很明确：你传给embed_documents的不是字符串列表，而是字典（或Document对象）列表。HuggingFace Embeddings库在处理时会调用字符串的replace方法去处理换行符，但字典没有这个属性，所以触发报错。和换行符本身无关，是数据类型传错了。

具体修正步骤： #

• 先确认文本拆分后的输出类型：不管用split_text()、split_documents()还是create_documents()，最终要提取出纯文本内容，而不是直接把拆分后的对象传给嵌入函数。
  • 比如用split_documents()得到的是Document对象列表，每个对象有page_content属性，这才是需要的文本：

    # 拆分文档
    split_docs = text_splitter.split_documents(raw_docs)
    # 提取纯文本字符串列表
    texts = [doc.page_content for doc in split_docs]
    # 再传给嵌入函数
    embeddings = HuggingFaceEmbeddings(model_name="your-model-name")
    embedding_results = embeddings.embed_documents(texts)
    

  • 如果拆分后得到的是字典（比如某些自定义数据源返回的格式），则需要取出对应文本字段，比如：

    texts = [item["content"] for item in split_results]
    

• 若确实需要处理换行符，在提取文本后手动处理即可，比如：

  texts = [doc.page_content.replace("\n", " ") for doc in split_docs]
  

额外排查点： #

检查传给文本拆分函数的原始数据是否是纯字符串列表。如果原始数据是带元数据的字典，拆分函数可能会保留字典结构，导致后续嵌入环节出错。比如用create_documents()时，第一个参数必须是字符串列表，第二个参数才是可选的元数据列表。

内容的提问来源于stack exchange，提问作者user25991121