SupaStore

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
  }
}