TypeError: unhashable type: 'list'
Ai folosit o listă (un vector de embedding sau o listă de texte) drept cheie de dicționar sau element de set. Listele se pot modifica, deci nu pot fi chei. Folosește drept cheie textul (str) sau un tuple(...), de exemplu cache[text] = vector.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Cheile unui dicționar și elementele unui set trebuie să fie hashable: valori care nu se schimbă, ca str, int sau tuple. O listă se poate modifica după ce ai pus-o în dicționar, deci Python refuză să o folosească drept cheie.
În aplicațiile cu embeddings, eroarea apare în două locuri tipice: un cache pentru vectori indexat greșit (după lista de texte trimise odată la API, sau chiar după vector), și eliminarea duplicatelor cu un set de vectori sau de bucăți păstrate ca liste.
În Python 3.14 mesajul spune și unde: cannot use 'list' as a dict key sau as a set element. Caută pe linia indicată [...] pe un dicționar, in sau set(...).
De ce apare: cauzele frecvente
1Cache indexat după lista de texte
if texte in cache:
return cache[texte]lipsa = [t for t in texte if t not in cache]
# ceri embeddings doar pentru textele lipsă, apoi:
return [cache[t] for t in texte]Cache-ul ține un vector pentru fiecare text, cu textul (str) drept cheie.
2Vectorul folosit drept cheie
index = {vector: text for text, vector in zip(texte, vectori)}index = {text: vector for text, vector in zip(texte, vectori)}Textul identifică bucata; vectorul e valoarea asociată.
3Duplicate eliminate cu set de liste
unice = set(vectori)unice = {tuple(v) for v in vectori}Un tuple nu se poate modifica, deci poate intra într-un set.
Repară eroarea, direct în pagină
Funcția vectori_pentru ține un cache de embeddings, ca textele deja calculate să nu mai coste o cerere, dar cade cu unhashable type: 'list', pentru că folosește lista de texte drept cheie. Rescrie cache-ul cu câte o intrare per text și cere la API doar textele lipsă. Programul afișează câte texte au fost trimise la fiecare apel.
from openai import OpenAI
client = OpenAI()
cache = {}
def vectori_pentru(texte):
if texte in cache:
return cache[texte]
r = client.embeddings.create(model="text-embedding-3-small", input=texte)
vectori = [d.embedding for d in r.data]
cache[texte] = vectori
print("Trimise la API:", len(texte))
return vectori
vectori_pentru(["Program luni-vineri", "Livrare gratuită peste 200 lei"])
v = vectori_pentru(["Livrare gratuită peste 200 lei", "Retur în 30 de zile"])
print("Vectori primiți:", len(v), "| dimensiune:", len(v[0]))Trimise la API: 2 Trimise la API: 1 Vectori primiți: 2 | dimensiune: 64
Indiciu
lipsa = [t for t in texte if t not in cache], apoi cache[t] = vector pentru fiecare text nou.
Reparația
from openai import OpenAI
client = OpenAI()
cache = {}
def vectori_pentru(texte):
lipsa = [t for t in texte if t not in cache]
if lipsa:
r = client.embeddings.create(model="text-embedding-3-small", input=lipsa)
for t, d in zip(lipsa, r.data):
cache[t] = d.embedding
print("Trimise la API:", len(lipsa))
return [cache[t] for t in texte]
vectori_pentru(["Program luni-vineri", "Livrare gratuită peste 200 lei"])
v = vectori_pentru(["Livrare gratuită peste 200 lei", "Retur în 30 de zile"])
print("Vectori primiți:", len(v), "| dimensiune:", len(v[0]))De ce merge
O listă nu poate fi cheie de dicționar, pentru că se poate modifica. Textul (str) poate. Cache-ul ține acum câte un vector pentru fiecare text, iar la al doilea apel doar textul nou ajunge la API. Așa plătești o singură dată pentru fiecare text, chiar dacă apare în mai multe cereri.
Alte forme ale mesajului
TypeError: cannot use 'list' as a dict key (unhashable type: 'list')TypeError: cannot use 'list' as a set element (unhashable type: 'list')TypeError: unhashable type: 'dict'
Cum o eviți pe viitor
- Folosește drept chei texte sau identificatori (
idbucată, hash al textului), nu vectori. - Ține vectorii ca valori într-un dicționar
{text: vector}sau într-o listă paralelă cu textele. - Pentru duplicate, compară textele normalizate, nu vectorii.
- Când ai nevoie de o listă drept cheie, convertește-o cu
tuple(...).
Întrebări frecvente
De ce un tuple merge și o listă nu?
Un tuple nu se poate modifica după creare, deci hash-ul lui rămâne valabil. O listă s-ar putea schimba după ce a devenit cheie, iar dicționarul ar ajunge inconsistent.
E bine să păstrez embeddings într-un cache?
Da: același text dă același vector la același model, iar fiecare cerere costă. Cache-ul se indexează după text (și după numele modelului, dacă folosești mai multe).
Erori înrudite
FileNotFoundError: [Errno 2] No such file or directory: 'index_vectori.json' Programul încearcă să încarce indexul de embeddings salvat pe disc, dar fișierul nu există încă (prima rulare, alt director de lucru sau alt nume). Verifică os.path.exists înainte: dacă lipsește, calculează vectorii, salvează-i, iar la rulările următoare încarcă-i. AttributeError: 'list' object has no attribute 'embedding' `response.data` din `client.embeddings.create(...)` este o listă, cu câte un element pentru fiecare text trimis. Vectorul unui text se citește cu `response.data[0].embedding`; pentru mai multe texte, `[d.embedding for d in response.data]`. TypeError: '<' not supported between instances of 'dict' and 'dict' Sortezi perechi (scor, document) cu sorted(), iar două documente au exact același scor. La egalitate, Python compară al doilea element, adică dicționarele, care nu au ordine. Sortează doar după scor: sorted(rezultate, key=lambda x: x[0], reverse=True). Învață Aplicații AI cu LLM de la zero, cu exerciții la fiecare lecție
Curs Aplicații AI cu Claude și OpenAI: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 8 lecții sunt gratuite.
