Skip to main content
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:
Po wywołaniu zauważamy, że zwrócony wynik wygląda następująco:
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

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.