使用Langchain FAISS向量库时遇AttributeError：'function'无'embed_query'属性

我在跟着AWS Bedrock workshop做QA with RAG的练习，前面步骤都正常，但执行以下代码时：

from langchain.chains.question_answering import load_qa_chain
from langchain.vectorstores import FAISS
from langchain.indexes import VectorstoreIndexCreator
from langchain.indexes.vectorstore import VectorStoreIndexWrapper

vectorstore_faiss = FAISS.from_documents(
    docs,
    bedrock_embeddings,
)

wrapper_store_faiss = VectorStoreIndexWrapper(vectorstore=vectorstore_faiss)

query = """Is it possible that I get sentenced to jail due to failure in filings?"""

query_embedding = vectorstore_faiss.embedding_function.embed_query(query)

执行到最后一行时触发错误：

AttributeError: 'function' object has no attribute 'embed_query'

解决方案 #

• 检查bedrock_embeddings的类型：LangChain的BedrockEmbeddings实例自带embed_query方法，若你传入的是原始函数而非实例，就会出现该错误。
• 正确初始化BedrockEmbeddings（示例）：

from langchain.embeddings import BedrockEmbeddings

bedrock_embeddings = BedrockEmbeddings(
    credentials_profile_name="你的AWS配置文件名称",
    region_name="你的AWS区域"
)

• 修复调用方式：
  • 若vectorstore_faiss.embedding_function是普通函数，直接调用即可，无需.embed_query：

    query_embedding = vectorstore_faiss.embedding_function(query)
    

  • 若已正确传入BedrockEmbeddings实例，确保代码中没有误将实例替换为函数，此时即可正常使用.embed_query方法。

内容的提问来源于stack exchange，提问作者user23613391