Przejdź do głównej treści
OpenAI usługa wektorów słów, służąca do generowania wektorów słów reprezentujących wprowadzone teksty. Dokument ten głównie opisuje proces korzystania z OpenAI Embeddings API, dzięki któremu możemy tworzyć wektory osadzenia reprezentujące wprowadzone teksty.

​
申请流程

Aby korzystać z OpenAI Embeddings API, najpierw można przejść na stronę OpenAI Embeddings API i kliknąć przycisk „Acquire”, aby uzyskać potrzebne poświadczenia: Jeśli nie jesteś zalogowany lub zarejestrowany, automatycznie zostaniesz przekierowany na stronę logowania, aby zarejestrować się i zalogować, a po zalogowaniu zostaniesz automatycznie przekierowany z powrotem na bieżącą stronę. Podczas pierwszej aplikacji otrzymasz darmowy limit, który pozwala na bezpłatne korzystanie z tego API.

​
基本使用

Następnie możesz wypełnić odpowiednie pola na interfejsie, jak pokazano na obrazku:

Podczas pierwszego korzystania z tego interfejsu musimy wypełnić przynajmniej trzy pola: jedno to authorization, które można wybrać bezpośrednio z rozwijanej listy. Drugim parametrem jest model, model to kategoria modelu, którą wybieramy z oficjalnej strony OpenAI, mamy tutaj głównie 3 rodzaje modeli, szczegóły można znaleźć w dostarczonych modelach. Ostatnim parametrem jest input, input to tekst, który chcemy przekształcić w wektor słów. Możesz również zauważyć, że po prawej stronie znajduje się odpowiedni kod do wywołania, który możesz skopiować i uruchomić, lub możesz po prostu kliknąć przycisk „Try”, aby przetestować. Opcjonalne parametry:
  • dimensions: przycinanie wymiarów wektora, domyślnie zwraca pełne wymiary.
  • encoding_format: format zwracany, opcjonalnie float lub base64.

Przykładowy kod wywołania w Pythonie: 
import requests

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

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

payload = {
    "input": "The food was delicious and the waiter...",
    "model": "text-embedding-ada-002",
    "encoding_format": "float"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)
Po wywołaniu zauważamy, że zwrócony wynik wygląda następująco: 
{
  "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
  }
}
Zwrócony wynik zawiera wiele pól, które są opisane poniżej:
  • model, model użyty do przekształcenia tekstu w wektor słów.
  • usage, informacje o tokenach użytych do przekształcenia tekstu w wektor słów.
  • data, wyniki wektora słów po przekształceniu tekstu.
W tym przypadku data zawiera szczegółowe informacje o wektorze słów odpowiadającym tekstowi, a embedding to konkretne wyniki wygenerowanego wektora słów.

​
错误处理

Podczas wywoływania API, jeśli napotkasz błąd, API zwróci odpowiedni kod błędu i informacje. Na przykład:
  • 400 token_mismatched: Złe żądanie, prawdopodobnie z powodu brakujących lub nieprawidłowych parametrów.
  • 400 api_not_implemented: Złe żądanie, prawdopodobnie z powodu brakujących lub nieprawidłowych parametrów.
  • 401 invalid_token: Nieautoryzowany, nieprawidłowy lub brakujący token autoryzacyjny.
  • 429 too_many_requests: Zbyt wiele żądań, przekroczono limit szybkości.
  • 500 api_error: Błąd wewnętrzny serwera, coś poszło nie tak na serwerze.

​
错误响应示例

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

​
结论

Dzięki temu dokumentowi zrozumiałeś, jak łatwo korzystać z OpenAI Embeddings API, aby wykorzystać funkcję generowania wektorów słów od oficjalnego OpenAI. Mamy nadzieję, że ten dokument pomoże Ci lepiej zintegrować i korzystać z tego API. W razie jakichkolwiek pytań, prosimy o kontakt z naszym zespołem wsparcia technicznego.