Embeddings
Markdownتمثيلات متجهية للنص من أجل البحث وRAG والتجميع.
الدليل الكامل
POST
https://api.ailoot.ai/v1/embeddingscurl https://api.ailoot.ai/v1/embeddings \
-H "Authorization: Bearer $AILOOT_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model": "nvidia/nemotron-3-embed-1b", "input": ["المستند الأول", "المستند الثاني"]}' emb = client.embeddings.create(
model="nvidia/nemotron-3-embed-1b",
input=["المستند الأول", "المستند الثاني"],
)
vectors = [d.embedding for d in emb.data]{
"object": "list",
"data": [
{ "object": "embedding", "index": 0, "embedding": [0.0123, -0.0456, 0.0789, …] },
{ "object": "embedding", "index": 1, "embedding": [-0.0321, 0.0654, 0.0987, …] }
],
"model": "nvidia/nemotron-3-embed-1b",
"usage": { "prompt_tokens": 8, "total_tokens": 8 }
}المصادقة
- Authorizationheaderمطلوب
المفتاح بصيغة
Bearer sk-…. يمكن أيضاً استخدام الترويساتx-api-keyأوx-goog-api-key.
جسم الطلب
- modelstringمطلوب
نموذج التضمينات:
nvidia/nemotron-3-embed-1b,nvidia/llama-nemotron-embed-vl-1b-v2. - inputstring | arrayمطلوب
سلسلة نصية أو مصفوفة سلاسل نصية. يُحدَّد طول كل إدخال بنافذة سياق النموذج (4096 توكن لدى نماذج NVIDIA).
- encoding_formatstringاختياري
float(القيمة الافتراضية) أوbase64— إذا كان النموذج يدعمها.
الرد
- data[].embeddingarray
متجه أرقام لكل إدخال، بالترتيب نفسه.
- usageobject
عدد توكنات الإدخال. لا تُفرض تكلفة على مخرجات التضمينات.
هل لديك أسئلة أخرى؟ أرسل Request ID ووصفاً للمشكلة وسنساعدك على فهمها.مراسلة الدعم