Embeddings（向量嵌入） - 数字先锋API文档

# Embeddings（向量嵌入）API文档

POST接口 /v1/responses

部分OpenAI模型仅支持Response格式，例如模型text-embedding-3-small,text-embedding-3-large, 向量嵌入 = 把“语言”变成“可计算的语义坐标”,它不是拿来“生成长答案”的，而是拿来把文本变成向量，做相似度、检索、分类、聚类、推荐这些能力。

体验网址：https://try.cxsee.com/chat/embeddings/

---

## 1) 接口地址

```txt
POST https://api.cxsee.com/v1/embeddings
```

## 2) 认证方式

在请求头中传入 API Key：

```http
Authorization: Bearer <YOUR_API_KEY>
Content-Type: application/json
```

---

## 3) 请求参数

| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
| model | string | 是 | 向量模型，当前可用：`text-embedding-3-small` |
| input | string / string[] | 是 | 要向量化的文本，支持单条或多条 |

---

## 4) curl 调用示例

### 4.1 单条文本

```bash
curl -s https://api.cxsee.com/v1/embeddings \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <YOUR_API_KEY>" \
  -d '{
    "model": "text-embedding-3-small",
    "input": "ping"
  }'
```

### 4.2 多条文本

---

## 5) 返回示例

```json
{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "index": 0,
      "embedding": [0.0123, -0.0456, "..."]
    }
  ],
  "model": "text-embedding-3-small",
  "usage": {
    "prompt_tokens": 1,
    "total_tokens": 1
  }
}
```

说明：
- `data[].embedding`：文本向量（浮点数组）
- `index`：对应输入顺序
- `usage`：本次 token 用量统计

---

## 6) 快速校验（只看模型和用量）

```bash
curl -s https://api.cxsee.com/v1/embeddings \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <YOUR_API_KEY>" \
  -d '{"model":"text-embedding-3-small","input":"ping"}' | jq '.model,.usage'
```

---

## 7) 常见错误

- `401 Unauthorized`：API Key 无效或缺失
- `400 Bad Request`：参数错误（如 `model` 或 `input` 格式不正确）
- `429 Too Many Requests`：请求频率过高
- `5xx`：服务暂时异常，请稍后重试

---

上一篇：平台合规与服务声明下一篇：CentOS + 宝塔部署 OpenClaw（源码开发版）完整教程