使用LangChain/OpenAI处理PDF嵌入时遇AttributeError问题求助

报错原因 #

你执行store.add_documents(embeddings)时，传入的是已生成的嵌入向量列表，但add_documents方法要求传入的是LangChain的Document对象列表（这类对象带有page_content属性），因此触发了AttributeError。

代码冗余问题 #

你的代码存在不必要的重复操作：

• 既调用load_and_split()获取分割后的Document列表pages，又调用load()重新加载文档，属于重复操作。
• 手动调用embedder.embed_documents(texts)生成嵌入完全多余，FAISS.from_documents会自动使用传入的Embeddings模型处理文档并生成嵌入。

修正后的代码 #

from langchain.document_loaders import PyPDFLoader
from langchain.vectorstores import FAISS
from langchain.embeddings.openai import OpenAIEmbeddings

# 加载并分割PDF为带page_content的Document对象列表
loader = PyPDFLoader("FILENAME.pdf")
pages = loader.load_and_split()

# 直接创建FAISS向量库，内部自动完成嵌入生成
store = FAISS.from_documents(pages, OpenAIEmbeddings())

# 若后续需要添加新文档，传入新的Document对象列表即可
# new_docs = other_loader.load_and_split()
# store.add_documents(new_docs)

关键说明 #

• FAISS.from_documents会自动处理文档的嵌入生成与存储，无需手动调用embed_documents。
• add_documents方法仅用于添加新的Document对象，不能直接传入已生成的向量。

内容的提问来源于stack exchange，提问作者Encomium