向量 Embeddings

文本向量化接口，格式与 OpenAI Embeddings API 兼容。

端点

POST $URL/v1/embeddings

快速示例

curl

curl $URL/v1/embeddings \
  -H "Authorization: Bearer $YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "text-embedding-3-small",
    "input": "需要向量化的文本"
  }'

Python

from openai import OpenAI

client = OpenAI(api_key="YOUR_API_KEY", base_url="$URL/v1")

resp = client.embeddings.create(
    model="text-embedding-3-small",
    input="需要向量化的文本",
)
print(resp.data[0].embedding[:8])

主要参数

参数	类型	必填	说明
model	string	是	模型名称
input	string / array	是	待向量化文本，支持批量传入数组

返回结构

成功响应与 OpenAI Embeddings 格式兼容：

{
  "object": "list",
  "data": [
    { "object": "embedding", "index": 0, "embedding": [0.0123, -0.0456, 0.0789] }
  ],
  "model": "text-embedding-3-small",
  "usage": { "prompt_tokens": 8, "total_tokens": 8 }
}

字段	说明
data[].embedding	浮点向量数组，可直接用于相似度计算、检索、聚类等
model	实际使用的嵌入模型
usage.prompt_tokens	本次消耗的 token 数

使用建议

• 同一段文本多次嵌入结果一致，可缓存以降低调用与费用；
• 批量传入 input 数组比逐条调用更高效；
• 向量维度、单次文本长度上限等以具体模型为准，详见对应模型说明或控制台。