Skip to main content
POST
Создать эмбеддинги

Доступные модели

Параметры запроса

Примеры

Ответ (200)

Применения

Семантический поиск

Поиск по смыслу, а не по ключевым словам

RAG

Retrieval-Augmented Generation для LLM

Кластеризация

Группировка похожих документов

Классификация

Категоризация текстов

Рекомендации

Нормализуйте тексты

Приведите тексты к единому формату перед получением эмбеддингов

Разделяйте на чанки

Оптимальный размер чанка: 200-800 токенов

Используйте косинусное сходство

Для сравнения эмбеддингов используйте cosine similarity или dot-product

Кэшируйте результаты

Сохраняйте эмбеддинги и кэшируйте повторяющиеся по хешу текста

Авторизации

Authorization
string
header
обязательно

API ключ передаётся в заголовке: Authorization: Bearer <SPESHU_AI_API_KEY>

Тело

application/json
input
обязательно

Входной текст или массив текстов для создания эмбеддингов

Пример:

"Пример текста для создания эмбеддинга"

model
string
обязательно

Идентификатор модели для создания эмбеддингов

Пример:

"thenlper/gte-base"

encoding_format
enum<string>
по умолчанию:float

Формат кодирования эмбеддингов

Доступные опции:
float,
base64
Пример:

"float"

dimensions
number

Размерность выходного эмбеддинга (если модель поддерживает). Должна быть меньше или равна максимальной размерности модели

Требуемый диапазон: x >= 1
Пример:

768

user
string

Уникальный идентификатор конечного пользователя для отслеживания и предотвращения злоупотреблений

Пример:

"user-123"

Ответ

id
string
обязательно

Уникальный идентификатор запроса

Пример:

"gen_581761234567890123"

object
enum<string>
обязательно

Тип объекта (всегда "list")

Доступные опции:
list
Пример:

"list"

data
object[]
обязательно

Массив эмбеддингов

model
string
обязательно

ID модели, которая создала эмбеддинги

Пример:

"thenlper/gte-base"

usage
object
обязательно

Информация об использовании токенов