Embeddings

Chuyển văn bản thành vector để tìm kiếm ngữ nghĩa, RAG và đề xuất nội dung tương tự.

Tổng quan

Embeddings chuyển văn bản thành vector để ứng dụng truy xuất nội dung theo mức độ tương đồng ngữ nghĩa. Các ứng dụng thường gặp gồm tìm kiếm ngữ nghĩa, tạo nội dung tăng cường bằng truy xuất (RAG) và đề xuất nội dung tương tự.

Embeddings truy xuất các ứng viên từ một tập nội dung lớn; Rerank nhận truy vấn và các tài liệu ứng viên để điều chỉnh thứ tự của chúng. Hai chức năng có thể dùng độc lập hoặc kết hợp thành quy trình truy xuất hai giai đoạn.

Tích hợp API

Base URL

https://api.agtcloud.cn/v1

Tạo vector

curl 'https://api.agtcloud.cn/v1/embeddings' \
  -H 'Authorization: Bearer your-api-key' \
  -H 'Content-Type: application/json' \
  --data '{
    "model": "MODEL_ID",
    "input": [
      "AGTCloud cung cấp một điểm truy cập thống nhất để gọi mô hình.",
      "Embeddings có thể được sử dụng để truy xuất theo ngữ nghĩa."
    ]
  }'

Tham số	Bắt buộc	Mô tả
`model`	Có	ID mô hình Embedding
`input`	Có	Một văn bản, mảng văn bản hoặc mảng Token
`encoding_format`	Không	Định dạng mã hóa của vector trả về
`dimensions`	Không	Số chiều vector đầu ra mong muốn; chỉ một số mô hình hỗ trợ

Đọc kết quả

data[].embedding: vector đã tạo.
data[].index: chỉ mục đầu vào tương ứng với vector hiện tại.
usage: lượng Token sử dụng trong yêu cầu này.

Giữ cấu hình lập chỉ mục và truy vấn nhất quán

Cấu hình	Hậu quả có thể xảy ra khi không nhất quán
Mô hình và phiên bản	Vector cũ và mới thuộc các không gian khác nhau nên không thể so sánh đáng tin cậy
Số chiều vector	Ghi vào cơ sở dữ liệu vector hoặc tính độ tương đồng thất bại
Tiền xử lý văn bản	Biểu diễn ngữ nghĩa của truy vấn và tài liệu bị lệch
Thước đo khoảng cách	Ý nghĩa của điểm số và thứ tự xếp hạng thay đổi