Skip to main content
El servicio de vectores de palabras de OpenAI se utiliza para generar resultados de vectores de palabras que representan el texto de entrada. Este documento describe principalmente el proceso de uso de la API de Embeddings de OpenAI, mediante el cual podemos crear vectores de incrustación que representan el texto de entrada.

Proceso de solicitud

Para utilizar la API de Embeddings de OpenAI, primero dirígete a la consola de Ace Data Cloud para obtener tu token de API, que debes guardar como respaldo. Si aún no has iniciado sesión o registrado, serás redirigido automáticamente a la página de inicio de sesión que te invita a registrarte e iniciar sesión; una vez completado, regresarás automáticamente a la página actual. Un token de API es suficiente para acceder a todos los servicios de la plataforma, no es necesario solicitar uno por cada servicio. La primera solicitud incluye un crédito gratuito para que puedas probarlo; si el crédito es insuficiente, puedes recargar el saldo general en la consola.
📘 Documentación completa: API de Embeddings de OpenAI →

Uso básico

A continuación, puedes completar el contenido correspondiente en la interfaz, como se muestra en la imagen:

En tu primera vez usando esta interfaz, necesitarás completar al menos tres campos: uno es authorization, que puedes seleccionar directamente en la lista desplegable. El otro parámetro es model, que es la categoría del modelo que elegimos usar de la página oficial de OpenAI; aquí tenemos principalmente 3 tipos de modelos, los detalles se pueden ver en los modelos que proporcionamos. El último parámetro es input, que es el texto que necesitamos convertir en un vector de palabras. También puedes notar que a la derecha hay un código de llamada correspondiente que se genera, puedes copiar el código y ejecutarlo directamente, o simplemente hacer clic en el botón “Try” para realizar una prueba. Parámetros opcionales:
  • dimensions: recortar la dimensión del vector, la salida por defecto es la dimensión completa.
  • encoding_format: formato de retorno, puede ser float o base64.

Código de ejemplo de llamada en Python:
Después de la llamada, encontramos que el resultado devuelto es el siguiente:
El resultado devuelto tiene varios campos, que se describen a continuación:
  • model, el modelo utilizado para convertir el texto en un vector de palabras.
  • usage, la información de tokens utilizada para convertir el texto en un vector de palabras.
  • data, el resultado del vector de palabras después de la conversión del texto.
Dentro de data se incluye la información específica del vector de palabras correspondiente al texto, donde embedding es el resultado específico del vector de palabras generado.

Manejo de errores

Al llamar a la API, si se encuentra con un error, la API devolverá el código de error y la información correspondiente. Por ejemplo:
  • 400 token_mismatched: Solicitud incorrecta, posiblemente debido a parámetros faltantes o inválidos.
  • 400 api_not_implemented: Solicitud incorrecta, posiblemente debido a parámetros faltantes o inválidos.
  • 401 invalid_token: No autorizado, token de autorización inválido o faltante.
  • 429 too_many_requests: Demasiadas solicitudes, has superado el límite de tasa.
  • 500 api_error: Error interno del servidor, algo salió mal en el servidor.

Ejemplo de respuesta de error

Conclusión

A través de este documento, has aprendido cómo utilizar la API de Embeddings de OpenAI para aprovechar fácilmente la función de generación de vectores de palabras de OpenAI. Esperamos que este documento te ayude a integrar y utilizar mejor esta API. Si tienes alguna pregunta, no dudes en contactar a nuestro equipo de soporte técnico.