Skip to main content
OpenAI ordvektortjänst, som används för att generera ordvektorer som representerar inmatad text. Detta dokument beskriver huvudsakligen användningsflödet för OpenAI Embeddings API, där vi kan skapa inbäddade vektorer som representerar inmatad text.

Ansökningsprocess

För att använda OpenAI Embeddings API, börja med att gå till Ace Data Cloud-konsolen för att hämta din API-token, som du kan spara för framtida bruk. Om du inte har loggat in eller registrerat dig, kommer du automatiskt att omdirigeras till inloggningssidan där du uppmanas att registrera dig och logga in, och efter att ha slutfört detta kommer du automatiskt att återvända till den aktuella sidan. En API-token räcker för att anropa alla tjänster på plattformen, du behöver inte ansöka separat för varje tjänst. Första gången du ansöker får du en gratis kvot för att prova; om kvoten tar slut kan du ladda på allmän balans i konsolen.
📘 Fullständig dokumentation: OpenAI Embeddings API →

Grundläggande Användning

Nu kan du fylla i motsvarande innehåll på gränssnittet, som visas i bilden:

Vid första användning av detta gränssnitt behöver vi fylla i minst tre fält, ett är authorization, som du enkelt väljer från rullgardinsmenyn. Den andra parametern är model, model är den vi väljer att använda från OpenAI:s officiella modellkategorier, här har vi huvudsakligen 3 modeller, detaljer kan ses i de modeller vi tillhandahåller. Den sista parametern är input, input är den text vi behöver konvertera till ordvektorer. Samtidigt kan du notera att det finns motsvarande anropskod som genereras till höger, du kan kopiera koden och köra den direkt, eller klicka på “Try” knappen för att testa. Valfria parametrar:
  • dimensions: Beskär vektordimensioner, standardutgången är full dimension.
  • encoding_format: Återvändande format, valfritt float eller base64.

Python exempel på anropskod:
Efter anropet upptäckte vi att returresultatet ser ut som följer:
Returresultatet innehåller flera fält, som beskrivs nedan:
  • model, modellen som användes för att konvertera text till ordvektorer.
  • usage, tokeninformation som användes för att konvertera text till ordvektorer.
  • data, resultatet av textens konvertering till ordvektorer.
Där data innehåller den specifika informationen om ordvektorerna som motsvarar texten, där embedding är det genererade resultatet av ordvektorer.

Felhantering

Vid anrop av API:et, om ett fel uppstår, kommer API:et att returnera motsvarande felkod och information. Till exempel:
  • 400 token_mismatched: Felaktig begäran, möjligtvis på grund av saknade eller ogiltiga parametrar.
  • 400 api_not_implemented: Felaktig begäran, möjligtvis på grund av saknade eller ogiltiga parametrar.
  • 401 invalid_token: Obefogad, ogiltig eller saknad auktoriseringstoken.
  • 429 too_many_requests: För många begärningar, du har överskridit hastighetsgränsen.
  • 500 api_error: Intern serverfel, något gick fel på servern.

Exempel på felrespons

Slutsats

Genom detta dokument har du fått en förståelse för hur du enkelt kan använda OpenAI Embeddings API för att använda den officiella OpenAI:s funktion för att generera ordvektorer. Vi hoppas att detta dokument kan hjälpa dig att bättre integrera och använda detta API. Om du har några frågor, tveka inte att kontakta vårt tekniska supportteam.