文本向量概览
将文本转换为数值向量，用于语义搜索、文档检索、聚类和 RAG。两个模型都使用 OpenAI 兼容的 POST /v1/embeddings，返回向量而不是生成的回答。
将文本转换为数值向量，用于语义搜索、文档检索、聚类和 RAG。两个模型都使用 OpenAI 兼容的 POST /v1/embeddings，返回向量而不是生成的回答。
选择模型
| 模型 | 默认维度 | 使用教程 |
|---|---|---|
text-embedding-3-small |
1536 | text-embedding-3-small |
bge-m3 |
1024 | BGE-M3 |
OpenAI 文本向量模型，默认返回 1536 维向量，适合语义搜索和知识库索引。APIMaster 也已实测通过 dimensions 参数返回 512 维向量。
BAAI 多语言文本向量模型，返回 1024 维向量，适合多语言文档检索。本接口提供稠密向量，不提供稀疏权重或 ColBERT 多向量；查询无需添加特殊指令前缀。
参数与限制
POST https://apimaster.ai/v1/embeddings
input 传入非空字符串或非空字符串数组。使用 encoding_format: float 获取数值数组，不要传 messages、max_tokens 或 stream。模型参考上限为每条文本 8192 tokens；长文档应分段，批量大小应保持适度。具体限制和分词方式可能因渠道而异。
语义搜索与 RAG
将文档分段，生成每段向量并存储；再使用相同模型和维度生成查询向量，按余弦相似度排序，把检索出的文本交给独立的聊天模型。不要在同一个索引中混用不同模型或维度的向量；切换模型时需重建索引。