向量嵌入

POST /v1/embeddings 将文本转换为向量，用于检索、聚类与 RAG 场景。完整兼容 OpenAI Embeddings 协议。

接入说明

项目	说明
路径	POST /v1/embeddings
认证	Authorization: Bearer sk-xxxx
流式	不支持

请求参数

POST /v1/embeddings

参数	类型	必填	说明
model	string	✅	嵌入模型名，如 text-embedding-3-small、bge-m3
input	string / array	✅	文本或文本数组（单数组元素计数上限以模型为准）
encoding_format	string	—	float（默认）/ base64
dimensions	integer	—	输出维度（支持降维的模型，如 text-embedding-3 系列）
user	string	—	终端用户标识，用于审计追踪

curl https://your-domain/v1/embeddings \
  -H "Authorization: Bearer sk-xxxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "text-embedding-3-small",
    "input": "Team-API 是多租户大模型 API 网关"
  }'

响应

{
  "object": "list",
  "data": [
    {"object": "embedding", "index": 0, "embedding": [0.0023, -0.0091, "..."]}
  ],
  "model": "text-embedding-3-small",
  "usage": {"prompt_tokens": 14, "total_tokens": 14}
}

字段	类型	说明
data[]	array	嵌入结果：index 为输入序号，embedding 为向量（encoding_format 为 base64 时为 base64 字符串）
usage	object	按 Token 计费

SDK 接入示例

Python

from openai import OpenAI

client = OpenAI(base_url="https://your-domain/v1", api_key="sk-xxxx")

resp = client.embeddings.create(
    model="text-embedding-3-small",
    input=["第一段文本", "第二段文本"],
)
print(resp.data[0].embedding[:5])

Node.js

import OpenAI from 'openai'

const client = new OpenAI({ baseURL: 'https://your-domain/v1', apiKey: 'sk-xxxx' })

const resp = await client.embeddings.create({
  model: 'text-embedding-3-small',
  input: ['第一段文本', '第二段文本'],
})
console.log(resp.data[0].embedding.slice(0, 5))

错误响应

错误结构与 OpenAI 一致，见错误码说明。