嵌入向量
Markdown用於搜尋、RAG與分群的文字向量表示。
完整指南
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": ["第一份文件", "第二份文件"]}' emb = client.embeddings.create(
model="nvidia/nemotron-3-embed-1b",
input=["第一份文件", "第二份文件"],
)
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 }
}身分驗證
- Authorizationheader必填
金鑰格式為
Bearer sk-…。也可使用標頭x-api-key或x-goog-api-key。
請求本文
- modelstring必填
嵌入向量模型:
nvidia/nemotron-3-embed-1b,nvidia/llama-nemotron-embed-vl-1b-v2。 - inputstring | array必填
字串或字串陣列。單一輸入的長度受模型上下文限制 (NVIDIA 模型為 4096 個 token)。
- encoding_formatstring選填
float(預設) 或base64—模型支援時才可使用。
回應
- data[].embeddingarray
每個輸入各有一個數值向量,順序與輸入相同。
- usageobject
輸入 token 數。嵌入向量的輸出不收費。
還有疑問嗎?請提供 Request ID與問題描述,我們會協助釐清。聯絡支援