Embeddings

Embeddings 用于将文本转换为向量，可用于语义搜索、推荐、聚类与去重。

#1. 基础调用（Python）

python复制
from openai import OpenAI

client = OpenAI()

response = client.embeddings.create(
    model="text-embedding-3-small",
    input="这是一段需要向量化的文本"
)

embedding = response.data[0].embedding
print(len(embedding))

#2. Node.js 示例

ts复制
import OpenAI from 'openai';

const client = new OpenAI();

const response = await client.embeddings.create({
  model: 'text-embedding-3-small',
  input: '这是一段需要向量化的文本'
});

const embedding = response.data[0].embedding;
console.log(embedding.length);

#3. 典型用法

#语义检索（最常见）

1. 把文档分块并生成向量。
2. 用户查询生成向量。
3. 计算相似度并返回最接近的文档块。

#简化流程示例

python复制
import numpy as np

def cosine_sim(a, b):
    return np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b))

#4. 选型建议

• text-embedding-3-small：性价比高，适合大多数检索场景。
• text-embedding-3-large：精度更高，适合对检索质量要求高的场景。

#5. 常见注意事项

• 文本过长时先分块（chunking）。
• 对检索库进行向量归一化，便于相似度计算。
• 为向量库设置合适的维度与索引类型。

#参考资料

• Embeddings API↗
• 向量检索指南↗