Embeddings

Преобразуйте текст в векторы для семантического поиска, RAG и рекомендаций похожего содержимого.

Обзор

Embeddings преобразует текст в векторы, позволяя приложению искать содержимое по семантическому сходству. Основные применения: семантический поиск, генерация с дополнением из поиска (RAG) и рекомендации похожего содержимого.

Embeddings извлекает кандидатов из большого объёма содержимого; Rerank получает запрос и документы-кандидаты и уточняет их порядок. Их можно использовать отдельно или объединить в двухэтапный поиск.

Подключение к API

Base URL

https://api.agtcloud.cn/v1

Создание векторов

curl 'https://api.agtcloud.cn/v1/embeddings' \
  -H 'Authorization: Bearer your-api-key' \
  -H 'Content-Type: application/json' \
  --data '{
    "model": "MODEL_ID",
    "input": [
      "AGTCloud предоставляет единый интерфейс вызова моделей.",
      "Embeddings можно использовать для семантического поиска."
    ]
  }'

Параметр	Обязательный	Описание
`model`	Да	ID модели Embedding
`input`	Да	Один текст, массив текстов или массив Token
`encoding_format`	Нет	Формат кодирования возвращаемых векторов
`dimensions`	Нет	Желаемая размерность выходных векторов; поддерживается только некоторыми моделями

Чтение результатов

data[].embedding: сгенерированный вектор.
data[].index: индекс входных данных для текущего вектора.
usage: расход Token в этом запросе.

Согласованность индексации и запросов

Настройка	Последствия несогласованности
Модель и версия	Старые и новые векторы принадлежат разным пространствам и не могут надёжно сравниваться
Размерность векторов	Ошибка записи в векторную базу или расчёта сходства
Предобработка текста	Смещение семантических представлений запроса и документов
Метрика расстояния	Изменение смысла оценок и порядка результатов