Embeddings 接口

接口说明

• 方法：POST
• 路径：/v1/embeddings
• 完整地址：https://anideaai.com/v1/embeddings
• 用途：将文本转为向量，用于检索、召回、聚类、相似度匹配。

请求头

请求头	必填	说明
Authorization	是	Bearer sk-xxxxx
Content-Type	是	application/json

请求参数

参数	类型	必填	说明
model	string	是	向量模型名称
input	string/array	是	单条文本或文本数组
encoding_format	string	否	float（默认）或 base64
dimensions	integer	否	输出维度（模型支持时生效）

cURL 示例（单条）

curl https://anideaai.com/v1/embeddings \
  -H "Authorization: Bearer sk-xxxxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "text-embedding-3-small",
    "input": "AnideaAI 提供统一的多模型 API 网关"
  }'

cURL 示例（批量）

curl https://anideaai.com/v1/embeddings \
  -H "Authorization: Bearer sk-xxxxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "text-embedding-3-small",
    "input": [
      "电商客服回复模板",
      "售后处理标准流程",
      "会员权益说明"
    ]
  }'

响应示例

{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "index": 0,
      "embedding": [0.0123, -0.0345, 0.0678]
    }
  ],
  "model": "text-embedding-3-small",
  "usage": {
    "prompt_tokens": 12,
    "total_tokens": 12
  }
}

实际使用建议

1. 检索库和查询问题必须使用同一个向量模型。
2. 大批量写入时建议分批调用，避免单次请求过大。
3. 入库前先做文本清洗（去重、去噪、统一语言）。