Vai al contenuto principale
Il servizio di vettori di parole di OpenAI, utilizzato per generare risultati di vettori di parole che rappresentano il testo di input. Questo documento descrive principalmente il processo di utilizzo dell’API OpenAI Embeddings, grazie al quale possiamo creare vettori di embedding che rappresentano il testo di input.

​
Processo di Richiesta

Per utilizzare l’API OpenAI Embeddings, puoi prima andare alla pagina OpenAI Embeddings API e cliccare sul pulsante “Acquire” per ottenere le credenziali necessarie per la richiesta: Se non hai ancora effettuato il login o registrato, verrai automaticamente reindirizzato alla pagina di login che ti invita a registrarti e accedere; dopo aver effettuato il login o la registrazione, verrai automaticamente riportato alla pagina corrente. Alla prima richiesta, verrà offerto un credito gratuito, che ti consente di utilizzare gratuitamente questa API.

​
Utilizzo di Base

Successivamente, puoi compilare i contenuti corrispondenti nell’interfaccia, come mostrato nell’immagine:

Quando utilizzi per la prima volta questa interfaccia, è necessario compilare almeno tre contenuti: uno è authorization, che puoi semplicemente selezionare dal menu a discesa. Un altro parametro è model, model è la categoria del modello che scegli di utilizzare dal sito ufficiale di OpenAI; qui abbiamo principalmente 3 modelli, i dettagli possono essere consultati nei modelli forniti. L’ultimo parametro è input, input è il testo del vettore di parole che desideriamo convertire. Puoi anche notare che a destra c’è un codice di chiamata corrispondente generato, puoi copiare il codice e eseguirlo direttamente, oppure puoi semplicemente cliccare sul pulsante “Try” per effettuare un test. Parametri opzionali:
  • dimensions: ridimensiona la dimensione del vettore, l’output predefinito è la dimensione completa.
  • encoding_format: formato di ritorno, opzioni float o base64.

Esempio di codice di chiamata in Python: 
import requests

url = "https://api.acedata.cloud/openai/embeddings"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "input": "Il cibo era delizioso e il cameriere...",
    "model": "text-embedding-ada-002",
    "encoding_format": "float"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)
Dopo la chiamata, abbiamo trovato che il risultato restituito è il seguente: 
{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "index": 0,
      "embedding": [
        0.0022756963,
        -0.009305916,
        0.015742613,
        -0.0077253063,
        -0.0047450014,
        0.014917395,
        -0.009807394,
        -0.038264707,
        -0.0069127847,
        -0.028590616,
        0.025251659,
        ....
        -0.014079482,
        -0.015425222,
        0.0040753055,
        0.002727979,
        -0.03138366,
        0.041159317,
        -0.017608874,
        -0.018637223,
        0.014587308,
        0.010486611,
        -0.015387135,
        -0.019424353,
        -0.002800979
      ]
    }
  ],
  "model": "text-embedding-ada-002",
  "usage": {
    "prompt_tokens": 8,
    "total_tokens": 8
  }
}
Il risultato restituito contiene diversi campi, descritti come segue:
  • model, il modello utilizzato per convertire il testo in vettori di parole.
  • usage, le informazioni sui token utilizzati per convertire il testo in vettori di parole.
  • data, il risultato dei vettori di parole dopo la conversione del testo.
Tra cui data contiene le informazioni specifiche sui vettori di parole corrispondenti al testo, dove embedding è il risultato specifico dei vettori di parole generati.

​
Gestione degli Errori

Quando si chiama l’API, se si verifica un errore, l’API restituirà il codice di errore e le informazioni corrispondenti. Ad esempio:
  • 400 token_mismatched: Richiesta non valida, probabilmente a causa di parametri mancanti o non validi.
  • 400 api_not_implemented: Richiesta non valida, probabilmente a causa di parametri mancanti o non validi.
  • 401 invalid_token: Non autorizzato, token di autorizzazione non valido o mancante.
  • 429 too_many_requests: Troppe richieste, hai superato il limite di frequenza.
  • 500 api_error: Errore interno del server, qualcosa è andato storto sul server.

​
Esempio di Risposta di Errore

{
  "success": false,
  "error": {
    "code": "api_error",
    "message": "fetch failed"
  },
  "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89"
}

​
Conclusione

Attraverso questo documento, hai appreso come utilizzare facilmente l’API OpenAI Embeddings per generare vettori di parole ufficiali di OpenAI. Speriamo che questo documento possa aiutarti a integrare e utilizzare meglio questa API. Se hai domande, non esitare a contattare il nostro team di supporto tecnico.