Proces wnioskowania
Aby korzystać z OpenAI Embeddings API, najpierw przejdź do konsoli Ace Data Cloud, aby uzyskać swój API Token i zachować go na później.
Jeśli nie jesteś jeszcze zalogowany ani zarejestrowany, zostaniesz automatycznie przekierowany na stronę logowania, która zachęci Cię do rejestracji i zalogowania się, a po zakończeniu automatycznie powrócisz na bieżącą stronę.
Jeden API Token umożliwia wywoływanie wszystkich usług platformy, nie ma potrzeby składania osobnego wniosku dla każdej usługi. Przy pierwszym wniosku otrzymasz bezpłatny limit, który pozwala na darmowe wypróbowanie; gdy limit będzie niewystarczający, możesz doładować uniwersalne saldo w konsoli.
📘 Pełna dokumentacja: OpenAI Embeddings API →
Podstawowe użycie
Następnie możesz wypełnić odpowiednią zawartość w interfejsie, jak pokazano na ilustracji:
authorization, który można bezpośrednio wybrać z listy rozwijanej. Kolejnym parametrem jest model, model oznacza kategorię modelu z oficjalnej strony OpenAI, której używamy; obecnie dostępne modele to text-embedding-3-small i text-embedding-3-large. text-embedding-ada-002 nie jest już oferowany; jeśli istniejący indeks wektorowy korzysta z tego starego modelu, nie można bezpośrednio mieszać wektorów nowego modelu i należy ponownie utworzyć indeks. Ostatnim parametrem jest input, input to tekst wektora słów, który musimy przekonwertować.
Jednocześnie możesz zauważyć, że po prawej stronie generowany jest odpowiedni kod wywołania, możesz skopiować kod i uruchomić go bezpośrednio, możesz też bezpośrednio kliknąć przycisk „Try”, aby przeprowadzić test.
Parametry opcjonalne:
dimensions: przycinanie wymiarów wektora, domyślnie zwracany jest pełny wymiar.encoding_format: format zwracany, do wyborufloatlubbase64.

model, model użyty tym razem do konwersji tekstu na wektory słów.usage, informacje o tokenach użytych tym razem do konwersji tekstu na wektory słów.data, wynik wektorów słów po konwersji tekstu.
data zawiera szczegółowe informacje o wektorach słów odpowiadających tekstowi, a znajdujące się w nim embedding to konkretny wygenerowany wynik wektorów słów.
Obsługa błędów
Podczas wywoływania API, jeśli wystąpi błąd, API zwróci odpowiedni kod błędu i informacje. Na przykład:400 token_mismatched: Nieprawidłowe żądanie, prawdopodobnie z powodu brakujących lub nieprawidłowych parametrów.400 api_not_implemented: Nieprawidłowe żądanie, prawdopodobnie z powodu brakujących lub nieprawidłowych parametrów.401 invalid_token: Brak autoryzacji, nieprawidłowy lub brakujący token autoryzacyjny.429 too_many_requests: Zbyt wiele żądań, przekroczono limit szybkości.500 api_error: Wewnętrzny błąd serwera, coś poszło nie tak na serwerze.

