​
文本向量化 (Embedding)

文本向量化 (Embedding) API 将文本转换为数字向量，捕捉文本的语义信息。这是构建语义搜索、推荐系统和 RAG (检索增强生成) 应用的基础。

​
支持模型

  • text-embedding-3-large：性能最强，支持降维。
  • text-embedding-3-small：性能与成本的平衡选择。
  • text-embedding-ada-002：经典模型，兼容性好。

​
价格

详见控制台定价页面。通常非常低廉，适合大规模数据处理。

​
快速开始 (Python)

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.weelinking.com/v1"
)

response = client.embeddings.create(
    input="The food was delicious and the waiter...",
    model="text-embedding-3-small"
)

print(response.data[0].embedding)

​
应用场景

  1. 语义搜索：基于含义而非关键词匹配搜索文档。
  2. RAG 系统：增强 LLM 的知识库，减少幻觉。
  3. 聚类与分类：对文本数据进行分组或打标签。
  4. 推荐系统：根据用户历史行为推荐相似内容。

​
最佳实践

  • 降维：text-embedding-3 系列模型支持通过 dimensions 参数减少向量维度，以降低存储和检索成本，同时保持大部分性能。
  • 批量处理：API 支持批量输入，可以一次性处理多条文本以提高效率。