使用LangChain FAISS时遇AttributeError：SentenceTransformer无embed_documents属性

错误原因很直接：LangChain的FAISS.from_documents方法要求传入的嵌入模型必须实现LangChain的Embeddings接口，也就是必须包含embed_documents和embed_query这两个方法。但你直接用的原生SentenceTransformer对象并没有这些方法，所以触发了属性错误。

解决方法是用LangChain专门封装的SentenceTransformerEmbeddings类来包装原生模型，让它符合LangChain的接口要求：

修改后的代码示例 #

# 替换原来的embed_model初始化代码
from langchain.embeddings import SentenceTransformerEmbeddings

# 用LangChain封装的类创建符合接口要求的嵌入模型
embed_model = SentenceTransformerEmbeddings(model_name='all-MiniLM-L6-v2/')

# 文档分割代码保持不变
text_splitter = RecursiveCharacterTextSplitter(
    chunk_size = 1000,
    chunk_overlap = 100,
    length_function = len,
)
combined_documents = text_splitter.transform_documents(test_data)

# 现在可以正常构建FAISS向量库
vector_store = FAISS.from_documents(combined_documents, embed_model)

这样修改后，embed_model就具备了LangChain要求的embed_documents方法，能顺利和FAISS完成集成。

内容的提问来源于stack exchange，提问作者Hamid K