...
Eroare Aplicații AI cu LLM · Embeddings și RAG

ValueError: zip() argument 2 is longer than argument 1

Pe scurt

Compari doi vectori de embeddings cu lungimi diferite: de obicei indexul a fost construit cu alt model sau cu alt `dimensions` decât întrebarea. Generează vectorii documentelor și ai întrebării cu același model și aceleași setări, și verifică `len(a) == len(b)` înainte de similaritate.

Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la

Ce înseamnă

zip(a, b, strict=True) parcurge două liste în paralel și aruncă ValueError dacă una se termină înaintea celeilalte; mesajul îți spune care e mai lungă. Fără strict=True, zip se oprește tăcut la lista mai scurtă, iar similaritatea cosinus iese greșită fără nicio eroare, ceea ce e mai periculos.

În RAG, vectorii au o dimensiune fixă pentru fiecare model: text-embedding-3-small dă 1536 de valori, text-embedding-3-large 3072, iar parametrul dimensions le poate scurta. Dacă documentele din index au fost transformate cu un model sau cu o setare, iar întrebarea cu alta, vectorii nu mai au aceeași lungime și nici nu mai sunt comparabili, chiar dacă ar avea.

Cazul tipic: ai schimbat modelul de embeddings, dar indexul salvat pe disc (sau în baza vectorială) e cel vechi. Bazele vectoriale dau propria eroare pentru același lucru (de exemplu, că dimensiunea embedding-ului nu se potrivește cu a colecției). Reparația e să reconstruiești indexul cu modelul nou.

De ce apare: cauzele frecvente

1Index vechi, model nou pentru întrebare

Greșit
PYTHON
index = json.load(open("index_vechi.json"))     # vectori de 256
q = client.embeddings.create(model="text-embedding-3-small", input=intrebare).data[0].embedding
Corect
PYTHON
texte = [d["text"] for d in index]
vectori = [d.embedding for d in client.embeddings.create(model=MODEL_EMB, input=texte).data]
q = client.embeddings.create(model=MODEL_EMB, input=intrebare).data[0].embedding

Documentele și întrebarea trec prin același model, deci vectorii au aceeași dimensiune și sunt comparabili.

2zip fără strict ascunde problema

Greșit
PYTHON
def cosinus(a, b):
    return sum(x * y for x, y in zip(a, b))   # taie tăcut vectorul mai lung
Corect
PYTHON
def cosinus(a, b):
    if len(a) != len(b):
        raise ValueError(f"Dimensiuni diferite: {len(a)} vs {len(b)}")
    return sum(x * y for x, y in zip(a, b))

O verificare explicită oprește calculul în loc să dea rezultate greșite.

3Model salvat doar în cod, nu și lângă index

Greșit
PYTHON
json.dump(vectori, open("index.json", "w"))
Corect
PYTHON
json.dump({"model": MODEL_EMB, "dim": len(vectori[0]), "vectori": vectori}, open("index.json", "w"))

Cu modelul și dimensiunea salvate în index, verifici la încărcare dacă se potrivesc cu cele curente.

Repară tu

Repară eroarea, direct în pagină

Asistentul RAG de mai jos încarcă un index salvat mai demult (index_vechi.json, vectori de 32 de valori, făcuți cu altă setare) și dă ValueError: zip() argument 2 is longer than argument 1. Repară programul: recalculează vectorii documentelor cu același model ca întrebarea (MODEL_EMB), într-un singur apel. Programul afișează dimensiunile vectorilor și documentul cel mai apropiat de întrebare.

Codul care dă eroarea
PYTHON
import json
import math

from openai import OpenAI

MODEL_EMB = "text-embedding-3-small"
client = OpenAI()


def cosinus(a, b):
    produs = sum(x * y for x, y in zip(a, b, strict=True))
    return produs / (math.sqrt(sum(x * x for x in a)) * math.sqrt(sum(y * y for y in b)))


with open("index_vechi.json", encoding="utf-8") as f:
    index = json.load(f)
texte = [d["text"] for d in index]
vectori = [d["vector"] for d in index]

intrebare = "În câte zile pot returna un produs?"
q = client.embeddings.create(model=MODEL_EMB, input=intrebare).data[0].embedding
print("dimensiuni:", len(vectori[0]), len(q))
scoruri = [cosinus(v, q) for v in vectori]
print("Cel mai apropiat:", texte[scoruri.index(max(scoruri))])
După reparație, programul afișează
dimensiuni: 64 64
Cel mai apropiat: Retur: produsele se pot returna în 30 de zile de la livrare.
Indiciu

Ia textele din index și trimite-le într-o listă la client.embeddings.create(model=MODEL_EMB, input=texte).

Alte forme ale mesajului

  • ValueError: zip() argument 2 is shorter than argument 1

Cum o eviți pe viitor

  • Salvează împreună cu indexul modelul de embeddings și dimensiunea vectorilor.
  • La încărcare, compară-le cu modelul curent; dacă diferă, reconstruiește indexul.
  • Folosește zip(..., strict=True) sau o verificare de lungime în funcțiile de similaritate.
  • Când schimbi modelul de embeddings, recalculează toate documentele, nu doar pe cele noi.

Întrebări frecvente

Pot compara un vector din modelul mic cu unul din modelul mare, dacă le tai la aceeași lungime?

Nu. Fiecare model are propriul spațiu: chiar la aceeași lungime, numerele nu înseamnă același lucru. Compari doar vectori produși de același model, cu aceleași setări.

De ce e mai bine să primesc eroarea decât să meargă?

Pentru că fără eroare (zip fără strict), căutarea întoarce documente aproape aleatorii, iar asistentul răspunde din contextul greșit, fără ca tu să afli de ce.

Erori înrudite

← Toate erorile Aplicații AI cu LLM

Tudor Andrei Dumitrescu
Cine a explicat eroarea

Tudor Andrei Dumitrescu

Senior Software Developer · fondatorul Academiei Programatorilor

LinkedIn
  1. 2019 Junior JavaCognizant Softvision
  2. 2021 Mid JavaCognizant Softvision
  3. 2022 Team LeaderEndava
  4. 2023 Senior Software DeveloperUniCredit
  5. Acum Senior Software DeveloperHCLTech
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu
Certificat de formator autorizatMinisterul Muncii și Ministerul Educației · 2022
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu

Certificat de formator autorizat · Ministerul Muncii și Ministerul Educației · 2022

Din 2020 construiește Academia Programatorilor, iar din 2026 și JoburiIT.ro. Fiecare eroare de aici a fost reprodusă în editorul nostru: codul greșit chiar dă mesajul din titlu, iar reparația chiar funcționează.

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.