Gumawa ng text embeddings

Pumili ng isang embedding model na pinagana sa ShareAI at pinapayagan ng iyong kredensyal. Ang mga chat model ay hindi maaaring palitan ng embedding models. Ang availability ng model at mga suportadong opsyon ay nakadepende sa naka-configure na provider.

Magpadala ng kahilingan#

curl --fail-with-body --request POST \
  "https://api.shareai.now/api/v1/embeddings" \
  -H "Authorization: Bearer $SHAREAI_API_KEY" \
  -H "Content-Type: application/json" \
  --data '{
  "model": "YOUR_EMBEDDING_MODEL",
  "input": [
    "How do I connect a device?",
    "Where can I read my usage?"
  ],
  "encoding_format": "float"
}'

import json
import os
import urllib.request

headers = {"Authorization": "Bearer " + os.environ["SHAREAI_API_KEY"]}
headers["Content-Type"] = "application/json"
payload = {'model': 'YOUR_EMBEDDING_MODEL', 'input': ['How do I connect a device?', 'Where can I read my usage?'], 'encoding_format': 'float'}
data = json.dumps(payload).encode()
request = urllib.request.Request('https://api.shareai.now/api/v1/embeddings', data=data, headers=headers, method='POST')
with urllib.request.urlopen(request, timeout=60) as response:
    print(json.load(response))

const url = "https://api.shareai.now/api/v1/embeddings";
const headers: Record = {
  Authorization: `Bearer ${process.env.SHAREAI_API_KEY}`,
};
headers["Content-Type"] = "application/json";
const payload = {
  "model": "YOUR_EMBEDDING_MODEL",
  "input": [
    "How do I connect a device?",
    "Where can I read my usage?"
  ],
  "encoding_format": "float"
};
const response = await fetch(url, { method: "POST", headers, body: JSON.stringify(payload) });
if (!response.ok) throw new Error(`${response.status}: ${await response.text()}`);
console.log(await response.json());

Mga field ng kahilingan#

Basahin ang mga vector#

Basahin ang data array at gamitin ang bawat resulta index upang itugma ang embedding nito sa input. Panatilihin ang parehong model at dimensyon kapag ini-embed ang iyong mga dokumento at mga query sa paghahanap. Kasama rin sa resulta ang provider-reported usage.

Batch sa loob ng mga limitasyon#

Ang pinagsamang input na teksto ay limitado sa 256 KiB. Ang mga tugon ay synchronous at limitado sa 2 MiB, kaya ang malalaking vectors o batches ay maaaring lumampas sa limitasyon ng tugon. Bawasan ang laki ng batch o gumamit ng mas maliit na suportadong dimensyon. Hindi tinatanggap ang Token-ID arrays.

Pagpapatunay at availability#

Ang isang aprubadong OAuth access token ay maaaring palitan ang API key. Ang mga kahilingang pinondohan ng account ay nangangailangan surcharge at isang tinanggap na plano. Ang mga limitasyon ng model at provider ay nananatili. Kung ang model ay hindi pinagana para sa embeddings, pumili ng isang available na embedding model; ang pagbabago ng kredensyal ay hindi maaaring paganahin ang isang model.

Paggamit#

Ang embeddings ay kumokonsumo ng input tokens. Suriin ang presyo ng model bago magpatakbo ng malaking batch at gamitin Paggamit ng Console upang suriin ang aktibidad. I-handle ang validation, authorization, at availability errors bago mag-retry.