文本向量
把一段或多段文本转换为浮点向量,用于语义检索、RAG 知识库、相似度计算和聚类。接口兼容 OpenAI POST /v1/embeddings。
| 项 | 值 |
|---|---|
| 方法与路径 | POST /v1/embeddings |
| 鉴权 | Authorization: Bearer YOUR_API_KEY |
| Content-Type | application/json |
快速示例
cURL
BASH
curl https://www.nextai-code.com/v1/embeddings \
-H "Authorization: Bearer $NEXTAI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "YOUR_MODEL",
"input": ["RAG 是什么?", "向量数据库的作用"]
}'
Python(OpenAI SDK)
PYTHON
import os
from openai import OpenAI
client = OpenAI(api_key=os.environ["NEXTAI_API_KEY"], base_url="https://www.nextai-code.com/v1")
resp = client.embeddings.create(
model="YOUR_MODEL",
input=["RAG 是什么?", "向量数据库的作用"],
)
for item in resp.data:
print(item.index, len(item.embedding))
Node.js(OpenAI SDK)
JAVASCRIPT
import OpenAI from "openai";
const client = new OpenAI({ apiKey: process.env.NEXTAI_API_KEY, baseURL: "https://www.nextai-code.com/v1" });
const resp = await client.embeddings.create({
model: "YOUR_MODEL",
input: ["RAG 是什么?", "向量数据库的作用"],
});
console.log(resp.data.map((d) => d.embedding.length));
可用的向量模型以 模型列表(
GET /v1/models)为准。
请求参数
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
model |
string | 是 | 向量模型名。缺失时返回 400(未指定模型名称) |
input |
string / array | 是 | 单条文本,或文本数组(批量)。缺失时返回 400(input 不能为空) |
encoding_format |
string | 否 | float 或 base64,是否支持取决于模型 |
dimensions |
integer | 否 | 输出向量维度,仅部分模型支持 |
user |
string | 否 | 终端用户标识 |
只支持以上 OpenAI Embeddings 标准字段,其他自定义字段可能被忽略。
响应
JSON
{
"object": "list",
"data": [
{ "object": "embedding", "index": 0, "embedding": [0.0023, -0.0091, 0.0157] },
{ "object": "embedding", "index": 1, "embedding": [-0.0112, 0.0045, 0.0203] }
],
"model": "YOUR_MODEL",
"usage": { "prompt_tokens": 12, "total_tokens": 12 }
}
| 字段 | 说明 |
|---|---|
data[].index |
对应 input 数组中的位置 |
data[].embedding |
向量;encoding_format=base64 时为 Base64 字符串 |
model |
实际使用的模型 |
usage.prompt_tokens / usage.total_tokens |
输入 Token 数 |
计费
按输入 Token 计费,以响应中的 usage 为准;模型服务商未返回用量时,平台按 input 文本估算。按次计价的模型每次请求固定扣费。