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。

相关文档