LangChain-KR项目中使用OpenAIEmbeddings时解决SSL证书验证错误
2025-07-10 10:21:49作者:柏廷章Berta
在LangChain-KR项目中集成OpenAIEmbeddings与FAISS向量数据库时,开发者可能会遇到一个常见的SSL证书验证错误。本文将深入分析该问题的成因,并提供专业可靠的解决方案。
问题现象分析
当使用OpenAIEmbeddings组件时,系统会尝试从openaipublic.blob.core.windows.net下载必要的编码文件cl100k_base.tiktoken。在此过程中,可能会抛出以下异常:
requests.exceptions.SSLError: HTTPSConnectionPool(host='openaipublic.blob.core.windows.net', port=443): Max retries exceeded with url: /encodings/cl100k_base.tiktoken (Caused by SSLError(SSLCertVerificationError(1, '[SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed: self-signed certificate in certificate chain (_ssl.c:1006)'))
这个错误表明Python的requests库无法验证服务器提供的SSL证书链,因为其中包含了自签名证书。
技术背景
SSL/TLS证书验证是HTTPS安全连接的基础机制。现代Python环境默认会验证服务器证书的有效性,包括:
- 证书是否由受信任的证书颁发机构(CA)签发
- 证书是否过期
- 证书中的域名是否与访问的域名匹配
当遇到自签名证书或中间证书问题时,这种验证机制会主动中断连接以防止潜在的安全风险。
解决方案
经过实践验证,最可靠的解决方法是安装pip_system_certs包:
pip install pip_system_certs
这个包的作用是将系统的证书存储库与Python的SSL模块集成,确保Python能够识别和使用系统中已配置的所有受信任CA证书。相比临时禁用SSL验证或手动添加证书,这种方法既安全又便于维护。
替代方案比较
虽然还有其他几种可能的解决方法,但各有优缺点:
-
禁用SSL验证(不推荐)
import ssl ssl._create_default_https_context = ssl._create_unverified_context缺点:完全禁用SSL验证会带来安全风险
-
更新证书包
pip install --upgrade certifi可能有效,但不一定能解决自签名证书问题
-
手动添加证书 操作复杂且不易维护
相比之下,pip_system_certs方案最为优雅,它保持了安全性同时解决了证书信任问题。
最佳实践建议
- 在生产环境中,建议优先使用系统集成的证书方案
- 定期更新系统证书存储
- 对于企业内网环境,确保将内部CA证书正确安装到系统信任库中
- 开发环境下可以使用临时方案,但部署时应采用标准解决方案
通过理解这个问题的本质和解决方案,开发者可以更从容地处理LangChain-KR项目中类似的基础设施级问题。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
最新内容推荐
Error Correction Coding——mathematical methods and algorithms:深入理解纠错编码的数学精髓 HP DL380 Gen9iLO固件资源下载:提升服务器管理效率的利器 RTD2270CLW/RTD2280DLW VGA转LVDS原理图下载介绍:项目核心功能与场景 JADE软件下载介绍:专业的XRD数据分析工具 常见材料性能参数pdf下载说明:一键获取材料性能参数,助力工程设计与分析 SVPWM的原理及法则推导和控制算法详解第四修改版:让电机控制更高效 Oracle Instant Client for Microsoft Windows x64 10.2.0.5下载资源:高效访问Oracle数据库的利器 鼎捷软件tiptop5.3技术手册:快速掌握4gl语言的利器 源享科技资料大合集介绍:科技学习者的全面资源库 潘通色标薄全系列资源下载说明:设计师的创意助手
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
523
3.72 K
Ascend Extension for PyTorch
Python
329
388
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
877
578
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
335
161
暂无简介
Dart
762
188
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.33 K
745
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
113
136