OpenAI Embeddings

文本向量化接口将文本转换为高维向量表示，用于语义搜索、文本分类、聚类等场景。

接口地址

方法	端点
POST	https://neolink.com/api/v1/embeddings

认证

方式	说明
Bearer Token	在请求头中携带 Authorization: Bearer <API_key> 用于验证账户信息。

请求头

参数名	类型	必填	说明
Content-Type	string	是	请求体的媒介类型，请设置为 application/json
Authorization	string	是	Bearer API_key，用于验证账户信息

请求体

参数名	类型	必填	默认值	说明
model	string	是	-	使用的模型 ID
input	string 或 array	是	-	要转换为向量的输入文本。可以是单个字符串，或字符串数组（批量处理）
encoding_format	string	否	float	返回向量的编码格式。可选值：float 或 base64
dimensions	int	否	-	返回向量的维度数。仅部分模型支持
user	string	否	-	最终用户的唯一标识符，用于监控和检测滥用行为

请求示例

cURL

curl --location --request POST 'https://neolink.com/api/v1/embeddings' \
     --header 'Content-Type: application/json' \
     --header 'Authorization: Bearer <API Key>' \
     --data-raw '{
         "model": "<Model ID>",
         "input": "什么是人工智能"
     }'

Python

import requests

url = "https://neolink.com/api/v1/embeddings"

headers = {
    "Authorization": "Bearer <API Key>"
}

files = {
    "model": (None, "<Model ID>"),
    "input": (None, "什么是人工智能"),
}

response = requests.post(url, headers=headers, files=files)

print(response.status_code)
print(response.text)

支持模型Id：

• text-embedding-3-large
• text-embedding-3-small
• text-embedding-ada-002
• text-embedding-v4