文本嵌入 (Embeddings)
将输入文本转换为多维向量,常用于向量检索及 RAG 系统开发。
更新时间:
SupaStore 提供高性能的文本嵌入向量化生成服务。
📡 接口信息
- 请求方式:
POST - 接口路径:
/v1/embeddings - Content-Type:
application/json
📦 请求参数 (Request Body)
| 参数名 | 类型 | 必填 | 默认值 | 描述 |
|---|---|---|---|---|
| model | string | 是 | - | 使用的嵌入模型,例如 text-embedding-3-small 或 text-embedding-ada-002。 |
| input | string/array | 是 | - | 需要被向量化的文本。可以是单个字符串,也可以是包含多个字符串的数组(批处理)。 |
| dimensions | integer | 否 | - | 部分模型支持自定义输出向量维度(如 text-embedding-3-large)。 |
💻 调用示例 (cURL)
curl -X POST "https://api.supastore.cc/v1/embeddings" \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"model": "text-embedding-3-small",
"input": "知识检索与向量化"
}'
返回示例 (200 OK)
{
"object": "list",
"data": [
{
"object": "embedding",
"index": 0,
"embedding": [
0.0023064258,
-0.021272743,
0.015792374,
// ... 共 1536 维向量数值
-0.007892341
]
}
],
"model": "text-embedding-3-small",
"usage": {
"prompt_tokens": 8,
"total_tokens": 8
}
}