embedding代码例子

基本概念

---

什么是Embedding？

Embedding（嵌入）是将离散数据（如单词、句子）映射到连续向量空间的技术。通过Embedding：

• 语义相似的文本在向量空间中距离更近

• 便于机器学习模型处理文本数据

• 典型应用：搜索、推荐、分类等场景

常见Embedding模型

1. text-embedding-3-small Openai主流emb模型

2. text-embedding-3-large

3. text-embedding-ada-002

技术特点

---

特性

说明

维度

通常为数百到数千维（如1024维）

归一化

多数Embedding会做L2归一化

距离度量

常用余弦相似度计算向量距离

多语言支持

现代模型通常支持多语言嵌入

请求地址

---

POST https://api.changhuai.ai/v1/embeddings

认证方式

---

需要在请求头中添加 API Key：

headers = {
    "Authorization": "Bearer sk-******",  # 替换为你的API令牌
    "Content-Type": "application/json"
}

请求参数

---

参数名

类型

必填

说明

input

string/array

是

单条文本或文本列表

model

string

是

使用的模型名称

encoding_format

string

否

返回格式（float/base64）

请求示例

---

import openai

# 设置OpenAI API密钥和基础URL
openai.api_key = "sk-***************************"  # 替换为你的 key
openai.base_url = "https://api.changhuai.ai/v1/"  #  这里是API的 base url，注意这里v1后面需要/，最后的 / 很容易漏掉。

def get_embedding(text):
    response = openai.embeddings.create(
        model="text-embedding-3-small",
        input=text
    )
    return response.data[0].embedding

# 示例文本
text = "这是一个示例文本,用于演示如何获取文本嵌入。"

# 获取文本嵌入
embedding = get_embedding(text)

print(f"文本: {text}")
print(f"嵌入向量维度: {len(embedding)}")
print(f"嵌入向量前5个元素: {embedding[:5]}")

典型应用场景

---

1. 语义搜索：通过向量相似度匹配查询和文档

2. 聚类分析：将相似文本自动归类

3. 推荐系统：寻找内容相似的物品

4. 异常检测：识别语义异常的文本

性能优化建议

---

1. 批量处理文本（最多支持2048 tokens/请求）

2. 对静态内容缓存嵌入结果

3. 使用近似最近邻(ANN)算法加速搜索

响应示例

---

成功响应(200):

{
    "object": "list",
    "data": [
        {
            "object": "embedding",
            "embedding": [0.1, -0.2, 0.3, ...],
            "index": 0
        }
    ],
    "model": "text-embedding-ada-002",
    "usage": {
        "prompt_tokens": 5,
        "total_tokens": 5
    }
}

错误响应:

{
    "error": {
        "message": "Invalid input text",
        "type": "invalid_request_error"
    }
}