Proceso de solicitud
Para usar la API de OpenAI Embeddings, primero obtenga su API Token en la consola de Ace Data Cloud y guárdelo como respaldo.
Si aún no ha iniciado sesión o no se ha registrado, será redirigido automáticamente a la página de inicio de sesión para invitarle a registrarse e iniciar sesión; al finalizar, regresará automáticamente a la página actual.
Un API Token permite invocar todos los servicios de la plataforma, sin necesidad de solicitar uno por separado para cada servicio. La primera solicitud incluye crédito gratuito, que permite una experiencia gratuita; cuando el crédito sea insuficiente, puede recargar saldo general en la consola.
📘 Documentación completa: OpenAI Embeddings API →
Uso básico
A continuación, puede completar el contenido correspondiente en la interfaz, como se muestra en la imagen:
authorization, que puede seleccionarse directamente en la lista desplegable. Otro parámetro es model; model corresponde a la categoría de modelo del sitio web oficial de OpenAI que elegimos utilizar; los modelos actualmente disponibles son text-embedding-3-small y text-embedding-3-large. text-embedding-ada-002 ha dejado de ofrecerse; si los índices vectoriales existentes utilizan este modelo antiguo, no pueden mezclar directamente los vectores de los nuevos modelos y es necesario reconstruir el índice. El último parámetro es input; input es el texto de vectores de palabras que necesitamos convertir.
Al mismo tiempo, puede observar que a la derecha se genera el código de llamada correspondiente; puede copiar el código y ejecutarlo directamente, o también puede hacer clic directamente en el botón «Try» para realizar pruebas.
Parámetros opcionales:
dimensions: recorta las dimensiones del vector; por defecto, genera las dimensiones completas.encoding_format: formato de retorno; puede serfloatobase64.

model, el modelo utilizado esta vez para convertir el texto en vectores de palabras.usage, la información de tokens utilizada esta vez para convertir el texto en vectores de palabras.data, el resultado de los vectores de palabras después de la conversión del texto.
data contiene la información específica de los vectores de palabras correspondientes al texto, y su embedding es el resultado específico de los vectores de palabras generados.
Manejo de errores
Al invocar la API, si se produce un error, la API devolverá el código y la información de error correspondientes. Por ejemplo:400 token_mismatched: Solicitud incorrecta, posiblemente debido a parámetros faltantes o no válidos.400 api_not_implemented: Solicitud incorrecta, posiblemente debido a parámetros faltantes o no válidos.401 invalid_token: No autorizado, token de autorización no válido o faltante.429 too_many_requests: Demasiadas solicitudes, ha excedido el límite de velocidad.500 api_error: Error interno del servidor, algo salió mal en el servidor.

