Embeddings

POST /v1/embeddings — 将文本转换为高维向量表示，适用于语义搜索、文本分类、相似度计算、RAG 等场景。

请求示例

cURLBash

curl https://www.ulovegpt.com/v1/embeddings \
  -H "Authorization: Bearer <你的 API_KEY>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openai/text-embedding-3-small",
    "input": "今天的天气真好"
  }'

PythonPython

from openai import OpenAI

client = OpenAI(
    base_url="https://www.ulovegpt.com/v1",
    api_key="<你的 API_KEY>"
)

response = client.embeddings.create(
    model="openai/text-embedding-3-small",
    input=["今天的天气真好", "明天会下雨吗"]
)

for i, emb in enumerate(response.data):
    print(f"文本 {i+1}: {len(emb.embedding)} 维向量")

请求参数

参数	类型	必填	说明
`model`	string	是	Embedding 模型名称
`input`	string/array	是	需要编码的文本，支持单个字符串或数组
`encoding_format`	string	否	输出格式：float / base64（默认 float）
`dimensions`	integer	否	指定向量维度（部分模型支持）

响应格式

响应示例Json

{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "index": 0,
      "embedding": [0.0023064255, -0.009327292, 0.015435447, ...],
      "usage": {
        "prompt_tokens": 7,
        "total_tokens": 7
      }
    }
  ],
  "model": "openai/text-embedding-3-small",
  "usage": {
    "prompt_tokens": 7,
    "total_tokens": 7
  }
}

可用 Embedding 模型

模型	维度	说明
`text-embedding-3-small`	1536	高性能，通用场景
`text-embedding-3-large`	3072	最高精度，复杂语义理解
`text-embedding-ada-002`	1536	上一代模型

← Models Count

Images →

AI 图片生成