Saltar para o conteúdo principal
Serviço de vetores de palavras da OpenAI, usado para gerar resultados de vetores de palavras que representam o texto de entrada. Este documento apresenta principalmente o processo de uso das operações da API de Embeddings da OpenAI. Com ela, podemos criar vetores de embedding que representam o texto de entrada.

Processo de solicitação

Para usar a API de Embeddings da OpenAI, primeiro obtenha seu API Token no Console do Ace Data Cloud e guarde-o para uso posterior. Se você ainda não tiver feito login ou se registrado, será automaticamente redirecionado para a página de login, onde será convidado a se registrar e fazer login. Após a conclusão, você retornará automaticamente à página atual. Um único API Token permite chamar todos os serviços da plataforma, sem necessidade de solicitar separadamente para cada serviço. A primeira solicitação inclui créditos gratuitos para uma experiência sem custo; quando os créditos forem insuficientes, você poderá recarregar o saldo universal no console.
📘 Documentação completa: OpenAI Embeddings API →

Uso básico

Em seguida, você pode preencher o conteúdo correspondente na interface, conforme mostrado na imagem:

Ao usar esta interface pela primeira vez, precisamos preencher pelo menos três conteúdos. Um deles é authorization, que pode ser selecionado diretamente na lista suspensa. Outro parâmetro é model; model é a categoria de modelo oficial da OpenAI que escolhemos usar. Os modelos atualmente disponíveis são text-embedding-3-small e text-embedding-3-large. O text-embedding-ada-002 deixou de ser fornecido; se índices vetoriais existentes usam esse modelo antigo, os vetores dos novos modelos não podem ser misturados diretamente e é necessário recriar o índice. O último parâmetro é input; input é o texto que precisamos converter em vetores de palavras. Ao mesmo tempo, você pode observar que há uma geração de código de chamada correspondente no lado direito. Você pode copiar o código e executá-lo diretamente, ou clicar diretamente no botão «Try» para testar. Parâmetros opcionais:
  • dimensions: reduz a dimensão do vetor; por padrão, retorna a dimensão completa.
  • encoding_format: formato de retorno, podendo ser float ou base64.

Código de chamada de exemplo em Python:
Após a chamada, constatamos que o resultado retornado é o seguinte:
O resultado retornado possui vários campos, apresentados a seguir:
  • model, o modelo usado nesta conversão de texto em vetor de palavras.
  • usage, as informações de token usadas nesta conversão de texto em vetor de palavras.
  • data, o resultado do vetor de palavras após a conversão do texto.
Entre eles, data contém as informações específicas dos vetores de palavras correspondentes ao texto, e seu embedding é o resultado específico do vetor de palavras gerado.

Tratamento de erros

Ao chamar a API, se ocorrer um erro, a API retornará o código e as informações de erro correspondentes. Por exemplo:
  • 400 token_mismatched: Solicitação incorreta, possivelmente devido a parâmetros ausentes ou inválidos.
  • 400 api_not_implemented: Solicitação incorreta, possivelmente devido a parâmetros ausentes ou inválidos.
  • 401 invalid_token: Não autorizado, token de autorização inválido ou ausente.
  • 429 too_many_requests: Muitas solicitações, você excedeu o limite de taxa.
  • 500 api_error: Erro interno do servidor, algo deu errado no servidor.

Exemplo de resposta de erro

Conclusão

Por meio deste documento, você já aprendeu como usar a API de Embeddings da OpenAI para utilizar facilmente a funcionalidade oficial de geração de vetores de palavras da OpenAI. Esperamos que este documento possa ajudá-lo a integrar e usar melhor essa API. Se tiver alguma dúvida, entre em contato com nossa equipe de suporte técnico a qualquer momento.