Embeddings
將文字轉換為向量，用於語意搜尋、RAG 和相似內容建議。
概述
Embeddings 將文字轉換為向量，使應用能夠按照語意相似度檢索內容。常見用途包括語意搜尋、檢索增強生成（RAG）和相似內容建議。
Embeddings 負責從大量內容中召回候選；Rerank 接收查詢和候選文件，進一步調整候選順序。兩者可以獨立使用，也可以組成兩階段檢索流程。
API 串接
Base URL
https://api.agtcloud.cn/v1建立向量
curl 'https://api.agtcloud.cn/v1/embeddings' \
-H 'Authorization: Bearer your-api-key' \
-H 'Content-Type: application/json' \
--data '{
"model": "MODEL_ID",
"input": [
"AGTCloud 提供統一的模型呼叫入口。",
"Embeddings 可以用於語意檢索。"
]
}'| 參數 | 必填 | 說明 |
|---|---|---|
model | 是 | Embedding 模型 ID |
input | 是 | 單筆文字、文字陣列或 Token 陣列 |
encoding_format | 否 | 回傳向量的編碼格式 |
dimensions | 否 | 期望的輸出向量維度，僅部分模型支援 |
讀取結果
data[].embedding：生成的向量。data[].index：目前向量對應的輸入索引。usage：本次請求的 Token 用量。
保持建庫與查詢一致
| 設定 | 不一致可能造成的結果 |
|---|---|
| 模型和版本 | 新舊向量來自不同空間，無法可靠比較 |
| 向量維度 | 向量庫寫入或相似度計算失敗 |
| 文字前置處理 | 查詢和文件的語意表示發生偏移 |
| 距離度量 | 分數含義和排序發生變化 |