使用langchain支持openai的向量化embedding

Embedding是什么？网上内容很多，不过多解释，问了下chatgpt，它的解释如下：

在自然语言处理和机器学习领域，"embeddings" 是指将单词、短语或文本转换成连续向量空间的过程。这个向量空间通常被称为嵌入空间（embedding space），而生成的向量则称为嵌入向量（embedding vector）或向量嵌入（vector embedding）。

嵌入向量可以捕获单词、短语或文本的语义信息，使得它们可以在数学上进行比较和计算。这种比较和计算在自然语言处理和机器学习中经常被用于各种任务，例如文本分类、语义搜索、词语相似性计算等。

在中文语境下，"embeddings" 通常被翻译为 "词向量" 或者 "向量表示"。这些翻译强调了嵌入向量的特点，即将词汇转换成向量，并表示为嵌入空间中的点。

OpenAI 中的文本 Embedding 衡量文本字符串之间的相关性。Embedding 通常用于以下场景：

1. 搜索（结果按查询字符串的相关性进行排序）
2. 聚类（将文本字符串按相似性分组）
3. 推荐（推荐具有相关文本字符串的项目）
4. 异常检测（识别相关性较小的异常值）
5. 多样性测量（分析相似度分布）
6. 分类（文本字符串按其最相似的标签进行分类）

直接上代码：

1、首先需要拿到key和url，这个github的项目比较火，有接口，方便多了：