Embeddings
将文本转换为向量，用于语义搜索、RAG 和相似内容推荐。
概述
Embeddings 将文本转换为向量，使应用能够按照语义相似度检索内容。常见用途包括语义搜索、检索增强生成（RAG）和相似内容推荐。
Embeddings 负责从大量内容中召回候选；Rerank 接收查询和候选文档，进一步调整候选顺序。两者可以独立使用，也可以组成两阶段检索流程。
API 接入
Base URL
https://api.agtcloud.cn/v1创建向量
curl 'https://api.agtcloud.cn/v1/embeddings' \
-H 'Authorization: Bearer your-api-key' \
-H 'Content-Type: application/json' \
--data '{
"model": "MODEL_ID",
"input": [
"AGTCloud 提供统一的模型调用入口。",
"Embeddings 可以用于语义检索。"
]
}'| 参数 | 必填 | 说明 |
|---|---|---|
model | 是 | Embedding 模型 ID |
input | 是 | 单条文本、文本数组或 Token 数组 |
encoding_format | 否 | 返回向量的编码格式 |
dimensions | 否 | 期望的输出向量维度，仅部分模型支持 |
读取结果
data[].embedding：生成的向量。data[].index：当前向量对应的输入索引。usage：本次请求的 Token 用量。
保持建库与查询一致
| 配置 | 不一致可能造成的结果 |
|---|---|
| 模型和版本 | 新旧向量来自不同空间，无法可靠比较 |
| 向量维度 | 向量库写入或相似度计算失败 |
| 文本预处理 | 查询和文档的语义表示发生偏移 |
| 距离度量 | 分数含义和排序发生变化 |