跳到主要内容

嵌入向量

这一页帮你用 POST /v1/embeddings 把文本转成向量，用于搜索、召回、语义相似度和 RAG。

彼源 AI 支持 POST /v1/embeddings。模型 ID 从模型广场复制；想确认当前令牌实际可用的模型，调用 GET /v1/models（令牌设置了模型限制时，以这个返回为准）。

发一条请求​

把 <YOUR_TOKEN> 换成你的令牌（sk- 开头，在控制台令牌管理创建）。

curl https://api.biyuan.ai/v1/embeddings \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <YOUR_TOKEN>" \
  -d '{
    "model": "text-embedding-3-large",
    "input": "彼源 AI 是一个统一接入多家 AI 模型的 API 网关。"
  }'

成功时返回里 data[0].embedding 是向量数组，usage 是本次消耗。

参数​

  • model：向量模型名称，先确认它在当前分组开放。
  • input：单条文本或文本数组。首次用单条，排错更简单。
  • dimensions：可选。向量库要求固定维度时显式设置，否则省略用模型默认。
  • encoding_format：可选。下游对编码格式有要求时再设。

典型用途​

  • 搜索 / 检索：把文档和查询都转成向量，按相似度召回。
  • RAG：切分文本后向量化，召回结果再交给聊天模型生成回答。
  • 去重 / 聚类：按语义近似归类或找重复。

排错​

拿到向量不等于检索链路就通了——记得接着验证向量写入、查询和维度匹配。维度和向量库不一致时，写入或查询会报不兼容，改回一致的 dimensions 即可。

继续阅读​