text-embedding-ada-002 je textový embeddingový model od OpenAI na reprezentáciu písaných materiálov vo forme číselného vektora. Jeho výstup obsahuje 1536 komponentov. Výrobca v jednej reprezentácii spája úlohy podobnosti textov, vyhľadávania dokumentov podľa dopytu a vyhľadávania v kóde. Výsledkom sú dáta na porovnávanie alebo pre ďalší algoritmus, nie generovaná odpoveď na text, pre ktorý sa embedding vytvára.
Pre sémantické vyhľadávanie pripravte zmysluplné pasáže dokumentov a zachovajte ich zdrojové identifikátory. Ilustračný postup vytvorí embedding každej pasáže a otázky používateľa tým istým modelom, porovná vektory a vráti relevantné zdrojové pasáže. Aplikácia určuje pravidlo vyhľadávania, filtre a prezentáciu. Následný krok generovania textu môže použiť nájdený materiál na vytvorenie odpovede, zatiaľ čo embeddingový model poskytuje číselnú reprezentáciu.
Ďalšie zdokumentované použitia zahŕňajú zoskupovanie podobných záznamov, odporúčanie súvisiaceho obsahu, klasifikáciu textu a identifikáciu odľahlých hodnôt. Pri odporúčaní porovnávajte opisy objektov, na ktorých vzťahu záleží. Pri klasifikácii návod opisuje porovnávanie s reprezentáciami kategórií alebo použitie vektorov ako príznakov v klasifikátore. Pri detekcii anomálií je relevantným výsledkom záznam odlišný od okolitej kolekcie, interpretovaný podľa úlohy produktu.
OpenAI pre tento model uvádza maximálny vstup 8192 tokenov. Embeddingové API výrobcu prijíma textové reťazce alebo tokenizovaný vstup, umožňuje viacero vstupov v jednej požiadavke a odmieta prázdne reťazce. Okrem limitu jednotlivého vstupu má súhrnný limit 300 000 tokenov na jednu požiadavku. Dlhšie dokumenty rozdeľte na užitočné pasáže pri zachovaní názvov, definícií a odkazu na pôvodný materiál.
Výstupom je vektor hodnôt s pohyblivou rádovou čiarkou; výrobca dokumentuje aj base64 ako alternatívne prenosové kódovanie. Parameter OpenAI na skrátenie rozmerov je určený pre embeddingové modely tretej generácie a novšie, preto zdokumentovaný výstup modelu Ada s 1536 rozmermi zostáva od tohto ovládacieho prvku oddelený. Pri zdrojovom zázname uchovajte identitu modelu a vektor, aby neskoršie porovnávania používali konzistentnú reprezentáciu.
Embeddingový návod odporúča kosínusovú podobnosť a uvádza, že embeddingy OpenAI sú normalizované na jednotkovú dĺžku. Pri týchto vektoroch môže skalárny súčin vypočítať kosínusovú podobnosť a euklidovská vzdialenosť dáva rovnaké poradie. Skóre podobnosti je súčasťou logiky vyhľadávania alebo klasifikácie aplikácie, nie rozhodnutím o kategórii, ktoré model poskytuje automaticky.
Definujte, ktoré zdrojové polia sa stanú vstupným textom a ako sa majú pasáže rozdeliť. Ilustračným výsledkom je zoradená množina pasáží dokumentov alebo súvisiacich záznamov, pričom každý je prepojený so svojím pôvodným zdrojom a pravidlom použitým pri výbere. Prípravu udržujte konzistentnú a hodnotte, či vrátený materiál odpovedá na skutočnú otázku. Číselný výstup je tak užitočný pre ďalší krok vyhľadávania, odporúčania alebo analýzy.
", "aboutText": "text-embedding-ada-002 je textový embeddingový model od OpenAI na reprezentáciu písaných materiálov vo forme číselného vektora. Jeho výstup obsahuje 1536 komponentov. Výrobca v jednej reprezentácii spája úlohy podobnosti textov, vyhľadávania dokumentov podľa dopytu a vyhľadávania v kóde. Výsledkom sú dáta na porovnávanie alebo pre ďalší algoritmus, nie generovaná odpoveď na text, pre ktorý sa embedding vytvára.\n\nPre sémantické vyhľadávanie pripravte zmysluplné pasáže dokumentov a zachovajte ich zdrojové identifikátory. Ilustračný postup vytvorí embedding každej pasáže a otázky používateľa tým istým modelom, porovná vektory a vráti relevantné zdrojové pasáže. Aplikácia určuje pravidlo vyhľadávania, filtre a prezentáciu. Následný krok generovania textu môže použiť nájdený materiál na vytvorenie odpovede, zatiaľ čo embeddingový model poskytuje číselnú reprezentáciu.\n\nĎalšie zdokumentované použitia zahŕňajú zoskupovanie podobných záznamov, odporúčanie súvisiaceho obsahu, klasifikáciu textu a identifikáciu odľahlých hodnôt. Pri odporúčaní porovnávajte opisy objektov, na ktorých vzťahu záleží. Pri klasifikácii návod opisuje porovnávanie s reprezentáciami kategórií alebo použitie vektorov ako príznakov v klasifikátore. Pri detekcii anomálií je relevantným výsledkom záznam odlišný od okolitej kolekcie, interpretovaný podľa úlohy produktu.\n\nOpenAI pre tento model uvádza maximálny vstup 8192 tokenov. Embeddingové API výrobcu prijíma textové reťazce alebo tokenizovaný vstup, umožňuje viacero vstupov v jednej požiadavke a odmieta prázdne reťazce. Okrem limitu jednotlivého vstupu má súhrnný limit 300 000 tokenov na jednu požiadavku. Dlhšie dokumenty rozdeľte na užitočné pasáže pri zachovaní názvov, definícií a odkazu na pôvodný materiál.\n\nVýstupom je vektor hodnôt s pohyblivou rádovou čiarkou; výrobca dokumentuje aj base64 ako alternatívne prenosové kódovanie. Parameter OpenAI na skrátenie rozmerov je určený pre embeddingové modely tretej generácie a novšie, preto zdokumentovaný výstup modelu Ada s 1536 rozmermi zostáva od tohto ovládacieho prvku oddelený. Pri zdrojovom zázname uchovajte identitu modelu a vektor, aby neskoršie porovnávania používali konzistentnú reprezentáciu.\n\nEmbeddingový návod odporúča kosínusovú podobnosť a uvádza, že embeddingy OpenAI sú normalizované na jednotkovú dĺžku. Pri týchto vektoroch môže skalárny súčin vypočítať kosínusovú podobnosť a euklidovská vzdialenosť dáva rovnaké poradie. Skóre podobnosti je súčasťou logiky vyhľadávania alebo klasifikácie aplikácie, nie rozhodnutím o kategórii, ktoré model poskytuje automaticky.\n\nDefinujte, ktoré zdrojové polia sa stanú vstupným textom a ako sa majú pasáže rozdeliť. Ilustračným výsledkom je zoradená množina pasáží dokumentov alebo súvisiacich záznamov, pričom každý je prepojený so svojím pôvodným zdrojom a pravidlom použitým pri výbere. Prípravu udržujte konzistentnú a hodnotte, či vrátený materiál odpovedá na skutočnú otázku. Číselný výstup je tak užitočný pre ďalší krok vyhľadávania, odporúčania alebo analýzy.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "4091abcbd638de4b772ba23ef05b6c55f980b818dcc20acf377258ffd32f5d96", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sk", "methods": [ { "html": "openai/text-embedding-ada-002Textový embeddingový model od OpenAI, ktorý vracia číselný vektor s 1536 rozmermi. Tieto reprezentácie použite na sémantické vyhľadávanie, odporúčanie súvisiaceho obsahu, zhlukovanie, klasifikáciu alebo zisťovanie neobvyklých textových záznamov.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
text-embedding-ada-002 je textový embeddingový model od OpenAI na reprezentáciu písaných materiálov vo forme číselného vektora. Jeho výstup obsahuje 1536 komponentov. Výrobca v jednej reprezentácii spája úlohy podobnosti textov, vyhľadávania dokumentov podľa dopytu a vyhľadávania v kóde. Výsledkom sú dáta na porovnávanie alebo pre ďalší algoritmus, nie generovaná odpoveď na text, pre ktorý sa embedding vytvára.
Pre sémantické vyhľadávanie pripravte zmysluplné pasáže dokumentov a zachovajte ich zdrojové identifikátory. Ilustračný postup vytvorí embedding každej pasáže a otázky používateľa tým istým modelom, porovná vektory a vráti relevantné zdrojové pasáže. Aplikácia určuje pravidlo vyhľadávania, filtre a prezentáciu. Následný krok generovania textu môže použiť nájdený materiál na vytvorenie odpovede, zatiaľ čo embeddingový model poskytuje číselnú reprezentáciu.
Ďalšie zdokumentované použitia zahŕňajú zoskupovanie podobných záznamov, odporúčanie súvisiaceho obsahu, klasifikáciu textu a identifikáciu odľahlých hodnôt. Pri odporúčaní porovnávajte opisy objektov, na ktorých vzťahu záleží. Pri klasifikácii návod opisuje porovnávanie s reprezentáciami kategórií alebo použitie vektorov ako príznakov v klasifikátore. Pri detekcii anomálií je relevantným výsledkom záznam odlišný od okolitej kolekcie, interpretovaný podľa úlohy produktu.
OpenAI pre tento model uvádza maximálny vstup 8192 tokenov. Embeddingové API výrobcu prijíma textové reťazce alebo tokenizovaný vstup, umožňuje viacero vstupov v jednej požiadavke a odmieta prázdne reťazce. Okrem limitu jednotlivého vstupu má súhrnný limit 300 000 tokenov na jednu požiadavku. Dlhšie dokumenty rozdeľte na užitočné pasáže pri zachovaní názvov, definícií a odkazu na pôvodný materiál.
Výstupom je vektor hodnôt s pohyblivou rádovou čiarkou; výrobca dokumentuje aj base64 ako alternatívne prenosové kódovanie. Parameter OpenAI na skrátenie rozmerov je určený pre embeddingové modely tretej generácie a novšie, preto zdokumentovaný výstup modelu Ada s 1536 rozmermi zostáva od tohto ovládacieho prvku oddelený. Pri zdrojovom zázname uchovajte identitu modelu a vektor, aby neskoršie porovnávania používali konzistentnú reprezentáciu.
Embeddingový návod odporúča kosínusovú podobnosť a uvádza, že embeddingy OpenAI sú normalizované na jednotkovú dĺžku. Pri týchto vektoroch môže skalárny súčin vypočítať kosínusovú podobnosť a euklidovská vzdialenosť dáva rovnaké poradie. Skóre podobnosti je súčasťou logiky vyhľadávania alebo klasifikácie aplikácie, nie rozhodnutím o kategórii, ktoré model poskytuje automaticky.
Definujte, ktoré zdrojové polia sa stanú vstupným textom a ako sa majú pasáže rozdeliť. Ilustračným výsledkom je zoradená množina pasáží dokumentov alebo súvisiacich záznamov, pričom každý je prepojený so svojím pôvodným zdrojom a pravidlom použitým pri výbere. Prípravu udržujte konzistentnú a hodnotte, či vrátený materiál odpovedá na skutočnú otázku. Číselný výstup je tak užitočný pre ďalší krok vyhľadávania, odporúčania alebo analýzy.
POST /v1/embeddingstext, token_idsembedding| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity openai/text-embedding-ada-002 | Predvolené— |
Poleinput | Typstring|string[]|integer[]|integer[][] | PožiadavkaPovinné | Hodnoty a limity Minimálny počet položiek: 1 Podmienky: Neprázdna homogénna dávka. ID tokenov sú nezáporné celé čísla. Vstupný rozpočet: Maximum: 8 192 · Textová jednotka: bajty UTF8 · Jednotka tokenov: prvky poľa tokenov | Predvolené— |
Poleencoding_format | Typstring | PožiadavkaVoliteľné | Hodnoty a limity float | Predvolenéfloat |
Poledimensions | Typinteger | PožiadavkaNepodporované | Hodnoty a limity Minimum: 1 | Predvolené— |
Poleuser | Typjson_value | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: Zdroj povoľuje toto pole metadát vo formáte JSON; presný význam na strane dodávateľa sa líši podľa modelu. | Predvolené— |
Polesession_id | Typjson_value | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: Zdroj povoľuje toto pole metadát vo formáte JSON; presný význam na strane dodávateľa sa líši podľa modelu. | Predvolené— |
Poletrace | Typjson_value | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: Zdroj povoľuje toto pole metadát vo formáte JSON; presný význam na strane dodávateľa sa líši podľa modelu. | Predvolené— |
Poleprovider | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: provider.options sa odmieta | Predvolené— |
text_to_embedding
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, input |
Parameterinput_shapes | Špecifikáciastring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Parameterencoding_format | Špecifikáciafloat |
Parameterdimensions_override | Špecifikáciafalse |
Parametermax_input_budget_units | Špecifikácia8192 |
Parametermultimodal_objects | Špecifikáciafalse |
Parametermaterial_types | Špecifikáciatext, token_ids |
Životný cyklus: synchronous_json
Uchovajte každý index a rozmer vektora.
Názov multimodálneho modelu neznamená, že na tejto konkrétnej trase možno použiť objekty obrázkov.
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
| Konfigurácia | Sadzobník | Poplatok |
|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Poplatok Vstup · Vstupné tokeny $0.0002 / 1K tokenov Výstup · Výstupné tokeny $0 / 1K tokenov Vstup · Čítanie cache — / 1K tokenov Vstup · Zápis do cache — / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/text-embedding-ada-002", "input": ["First document", "Second document"]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.embeddings.create(model='openai/text-embedding-ada-002',input=["First document","Second document"])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\njson
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Uchovajte každý vektor spolu s jeho indexom. Počet vektorov sa musí rovnať počtu vstupov; rozmery musia byť konzistentné.
Nezavádza sa žiadny koncový bod pre úlohy tvorby embeddingov.
| Pole | Typ |
|---|---|
Poleobject | Typstring |
Polemodel | Typstring |
Poledata[].index | Typinteger |
Poledata[].embedding | Typfinite float[] |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra openai/text-embedding-ada-002, text-embedding-ada-002
Použite cesty metód uvedené vyššie.
text-embedding-ada-002Textový embeddingový model od OpenAI, ktorý vracia číselný vektor s 1536 rozmermi. Tieto reprezentácie použite na sémantické vyhľadávanie, odporúčanie súvisiaceho obsahu, zhlukovanie, klasifikáciu alebo zisťovanie neobvyklých textových záznamov.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
text-embedding-ada-002 je textový embeddingový model od OpenAI na reprezentáciu písaných materiálov vo forme číselného vektora. Jeho výstup obsahuje 1536 komponentov. Výrobca v jednej reprezentácii spája úlohy podobnosti textov, vyhľadávania dokumentov podľa dopytu a vyhľadávania v kóde. Výsledkom sú dáta na porovnávanie alebo pre ďalší algoritmus, nie generovaná odpoveď na text, pre ktorý sa embedding vytvára.
Pre sémantické vyhľadávanie pripravte zmysluplné pasáže dokumentov a zachovajte ich zdrojové identifikátory. Ilustračný postup vytvorí embedding každej pasáže a otázky používateľa tým istým modelom, porovná vektory a vráti relevantné zdrojové pasáže. Aplikácia určuje pravidlo vyhľadávania, filtre a prezentáciu. Následný krok generovania textu môže použiť nájdený materiál na vytvorenie odpovede, zatiaľ čo embeddingový model poskytuje číselnú reprezentáciu.
Ďalšie zdokumentované použitia zahŕňajú zoskupovanie podobných záznamov, odporúčanie súvisiaceho obsahu, klasifikáciu textu a identifikáciu odľahlých hodnôt. Pri odporúčaní porovnávajte opisy objektov, na ktorých vzťahu záleží. Pri klasifikácii návod opisuje porovnávanie s reprezentáciami kategórií alebo použitie vektorov ako príznakov v klasifikátore. Pri detekcii anomálií je relevantným výsledkom záznam odlišný od okolitej kolekcie, interpretovaný podľa úlohy produktu.
OpenAI pre tento model uvádza maximálny vstup 8192 tokenov. Embeddingové API výrobcu prijíma textové reťazce alebo tokenizovaný vstup, umožňuje viacero vstupov v jednej požiadavke a odmieta prázdne reťazce. Okrem limitu jednotlivého vstupu má súhrnný limit 300 000 tokenov na jednu požiadavku. Dlhšie dokumenty rozdeľte na užitočné pasáže pri zachovaní názvov, definícií a odkazu na pôvodný materiál.
Výstupom je vektor hodnôt s pohyblivou rádovou čiarkou; výrobca dokumentuje aj base64 ako alternatívne prenosové kódovanie. Parameter OpenAI na skrátenie rozmerov je určený pre embeddingové modely tretej generácie a novšie, preto zdokumentovaný výstup modelu Ada s 1536 rozmermi zostáva od tohto ovládacieho prvku oddelený. Pri zdrojovom zázname uchovajte identitu modelu a vektor, aby neskoršie porovnávania používali konzistentnú reprezentáciu.
Embeddingový návod odporúča kosínusovú podobnosť a uvádza, že embeddingy OpenAI sú normalizované na jednotkovú dĺžku. Pri týchto vektoroch môže skalárny súčin vypočítať kosínusovú podobnosť a euklidovská vzdialenosť dáva rovnaké poradie. Skóre podobnosti je súčasťou logiky vyhľadávania alebo klasifikácie aplikácie, nie rozhodnutím o kategórii, ktoré model poskytuje automaticky.
Definujte, ktoré zdrojové polia sa stanú vstupným textom a ako sa majú pasáže rozdeliť. Ilustračným výsledkom je zoradená množina pasáží dokumentov alebo súvisiacich záznamov, pričom každý je prepojený so svojím pôvodným zdrojom a pravidlom použitým pri výbere. Prípravu udržujte konzistentnú a hodnotte, či vrátený materiál odpovedá na skutočnú otázku. Číselný výstup je tak užitočný pre ďalší krok vyhľadávania, odporúčania alebo analýzy.
POST /v1/embeddingstextembedding| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity text-embedding-ada-002 | Predvolené— |
Poleinput | Typstring|string[]|integer[]|integer[][] | PožiadavkaPovinné | Hodnoty a limity Minimálny počet položiek: 1 Podmienky: Neprázdna homogénna dávka. ID tokenov sú nezáporné celé čísla. Vstupný rozpočet: Maximum: 8 192 · Textová jednotka: bajty UTF8 · Jednotka tokenov: prvky poľa tokenov | Predvolené— |
Poleencoding_format | Typstring | PožiadavkaVoliteľné | Hodnoty a limity float | Predvolenéfloat |
Poledimensions | Typinteger | PožiadavkaNepodporované | Hodnoty a limity Minimum: 1 | Predvolené— |
Poleuser | Typjson_value | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: Voliteľné metadáta JSON; presný význam u poskytovateľa závisí od vybraného modelu. | Predvolené— |
Polesession_id | Typjson_value | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: Voliteľné metadáta JSON; presný význam u poskytovateľa závisí od vybraného modelu. | Predvolené— |
Poletrace | Typjson_value | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: Voliteľné metadáta JSON; presný význam u poskytovateľa závisí od vybraného modelu. | Predvolené— |
Poleprovider | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: provider.options sa odmieta | Predvolené— |
text_to_embedding
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, input |
Parameterinput_shapes | Špecifikáciastring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Parameterencoding_format | Špecifikáciafloat |
Parameterdimensions_override | Špecifikáciafalse |
Parametermax_input_budget_units | Špecifikácia8192 |
Parametermultimodal_objects | Špecifikáciafalse |
Parametermaterial_types | Špecifikáciatext |
Parametertext_file_material | ŠpecifikáciaPrečítajte skutočný dokument UTF-8 a vložte jeho text do uvedeného vstupného reťazca alebo reťazca obsahu správy. |
Životný cyklus: synchronous_json
Odošlite presné ID modelu a povinné polia.
Zachovajte každú vrátenú položku a jej pôvodné identifikátory.
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
| Konfigurácia | Sadzobník | Poplatok |
|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Poplatok Vstup · Vstupné tokeny $0.0002 / 1K tokenov Výstup · Výstupné tokeny $0 / 1K tokenov Vstup · Čítanie cache — / 1K tokenov Vstup · Zápis do cache — / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
{\n "model": "text-embedding-ada-002",\n "input": [\n "First document",\n "Second document"\n ],\n "encoding_format": "float"\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'text-embedding-ada-002', 'input': ['First document', 'Second document'], 'encoding_format': 'float'}\npayload['input'] = [text]\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nfor vector in result.get('data', []):\n print('Vector', vector.get('index'), json.dumps(vector.get('embedding')))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'text-embedding-ada-002', 'input': ['First document', 'Second document'], 'encoding_format': 'float'}\npayload['input'] = [text]\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}\nheaders['Authorization'] = 'Bearer ' + api_key\nrequest = Request('https://api.ailoot.ai/v1/embeddings', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nfor vector in result.get('data', []):\n print('Vector', vector.get('index'), json.dumps(vector.get('embedding')))\njson
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte každý vektor s konečnými hodnotami aj jeho pôvodný index. Zachovajte všetky dimenzie a celý objekt spotreby.
Nezavádza sa žiadny koncový bod pre úlohy tvorby embeddingov.
| Pole | Typ |
|---|---|
Poleobject | Typstring |
Polemodel | Typstring |
Poledata[].index | Typinteger |
Poledata[].embedding | Typfinite float[] |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra openai/text-embedding-ada-002, text-embedding-ada-002
Použite cesty metód uvedené vyššie.