使用Langchain HuggingFaceInstructEmbeddings时遇TypeError问题求助

第一个错误：TypeError: _load_sbert_model() got an unexpected keyword argument 'token' #

这个错误源于依赖版本不兼容：新版本LangChain会自动向_load_sbert_model传递token参数，但旧版的sentence-transformers或InstructorEmbedding库不支持该参数。同时你的代码存在重复导入问题，可能引发隐性冲突。

修复步骤： #

• 清理重复导入：保留langchain_community下的导入（LangChain v0.1+已将社区组件迁移至此），删除旧的langchain.embeddings导入：

  # 修正后的导入语句
  from langchain_community.embeddings import HuggingFaceInstructEmbeddings, HuggingFaceEmbeddings
  from InstructorEmbedding import INSTRUCTOR
  from langchain.vectorstores import FAISS
  

• 锁定兼容的依赖版本：在requirements.txt中指定以下版本，避免版本冲突：

  langchain==0.1.10
  langchain_community==0.0.23
  sentence-transformers==2.2.2
  InstructorEmbedding==1.0.1
  faiss-cpu==1.7.4
  

• 实例化时显式排除token参数：若不想重新安装依赖，可在创建Embeddings对象时添加参数屏蔽token传递：

  embeddings = HuggingFaceInstructEmbeddings(model_kwargs={"token": None})
  

第二个错误：FAISS.from_documents的属性错误 #

这个错误通常是因为embedding实例变量名不匹配或embedding对象未正确初始化。比如你代码中创建的实例是embeddings，但调用FAISS时用了instructor_embeddings，变量名不一致会触发属性错误。

修复步骤： #

• 确保变量名一致：调用FAISS时使用正确的embedding对象：

  # 确保embeddings是已正确初始化的实例
  db = FAISS.from_documents(documents=data, embedding=embeddings)
  

• 若使用sentence-transformers系列模型，改用HuggingFaceEmbeddings类初始化，避免与InstructorEmbeddings的API冲突：

  embeddings = HuggingFaceEmbeddings(model_name="sentence-transformers/all-MiniLM-L6-v2")
  db = FAISS.from_documents(documents=data, embedding=embeddings)
  

内容的提问来源于stack exchange，提问作者Ivy Kutswa