Embeddings
兼容 OpenAI Embeddings,把文本转换为向量,用于语义搜索、聚类和知识库检索。
POST
https://api.codingrouter.ai/v1/embeddings鉴权
Authorization: Bearer <令牌>
请求参数
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
model | string | 是 | text-embedding-3-small、text-embedding-3-large(az_gpt 分组),gemini-embedding-001(gemini 分组) |
input | string / array | 是 | 一段文本,或文本数组 |
dimensions | integer | 否 | 输出维度,仅 text-embedding-3 系列支持 |
默认维度:text-embedding-3-small 1536,text-embedding-3-large 3072,gemini-embedding-001 3072。
请求示例
bash
curl https://api.codingrouter.ai/v1/embeddings \
-H "Authorization: Bearer $CODINGROUTER_KEY" \
-H "Content-Type: application/json" \
-d '{"model": "text-embedding-3-small", "input": ["第一段文本", "第二段文本"]}'python
from openai import OpenAI
client = OpenAI(base_url="https://api.codingrouter.ai/v1", api_key="sk-你的令牌")
resp = client.embeddings.create(model="text-embedding-3-small", input=["第一段文本", "第二段文本"])
print(len(resp.data[0].embedding)) # 1536js
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.codingrouter.ai/v1",
apiKey: process.env.CODINGROUTER_KEY,
});
const resp = await client.embeddings.create({
model: "text-embedding-3-small",
input: ["第一段文本", "第二段文本"],
});
console.log(resp.data[0].embedding.length);响应示例
json
{
"object": "list",
"model": "text-embedding-3-small",
"data": [
{"object": "embedding", "index": 0, "embedding": [0.0292, 0.0104, -0.0091, "..."]},
{"object": "embedding", "index": 1, "embedding": [0.0400, 0.0109, -0.0124, "..."]}
],
"usage": {"prompt_tokens": 10, "total_tokens": 10}
}data 与 input 顺序一一对应。
