向量嵌入

AcceleAI 提供统一的向量嵌入 API，将文本转换为高维向量表示，适用于语义搜索、RAG 检索增强生成、文档聚类等场景。接口兼容 OpenAI Embeddings 格式。

API 端点


POST https://api.acceleai.cn/v1/embeddings

请求头：


Authorization: Bearer <ACCELE_AI_API_KEY>
Content-Type: application/json

请求参数

参数	类型	必填	说明
`input`	string / array	是	待嵌入的文本内容，支持单条字符串或字符串数组
`model`	string	是	嵌入模型标识符
`encoding_format`	string	否	返回格式：`float`（默认）或 `base64`

可用模型

Google Gemini

模型	说明
`gemini-embedding-001`	Gemini 嵌入模型
`gemini-embedding-exp-03-07`	实验版本

OpenAI

模型	说明
`text-embedding-3-large`	高维度，精度最高
`text-embedding-3-small`	低维度，速度快、成本低
`text-embedding-ada-002`	经典模型

Jina

模型	说明
`jina-embeddings-v4`	最新版本
`jina-embeddings-v3`	多语言支持
`jina-embeddings-v2-base-code`	代码嵌入优化

其他模型

模型	说明
`text-embedding-v4`	通用文本嵌入
`Qwen/Qwen3-Embedding-0.6B`	通义千问嵌入模型
`doubao-embedding-large-text-240915`	豆包大型文本嵌入
`doubao-embedding-text-240715`	豆包标准文本嵌入

使用示例

Python SDK


from openai import OpenAI
 
client = OpenAI(
    api_key="<ACCELE_AI_API_KEY>",
    base_url="https://api.acceleai.cn/v1"
)
 
response = client.embeddings.create(
    input="AcceleAI 是一个 AI API 聚合服务平台",
    model="text-embedding-3-small"
)
 
embedding = response.data[0].embedding
print(f"向量维度: {len(embedding)}")
print(f"前 5 个值: {embedding[:5]}")

批量嵌入


response = client.embeddings.create(
    input=[
        "第一段文本内容",
        "第二段文本内容",
        "第三段文本内容"
    ],
    model="text-embedding-3-large"
)
 
for item in response.data:
    print(f"索引 {item.index}: 维度 {len(item.embedding)}")

cURL 示例


curl -X POST https://api.acceleai.cn/v1/embeddings \
  -H "Authorization: Bearer <ACCELE_AI_API_KEY>" \
  -H "Content-Type: application/json" \
  -d '{
    "input": "将这段文本转换为向量",
    "model": "text-embedding-3-small"
  }'

返回格式


{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "index": 0,
      "embedding": [0.0023, -0.0091, 0.0156, ...]
    }
  ],
  "model": "text-embedding-3-small",
  "usage": {
    "prompt_tokens": 8,
    "total_tokens": 8
  }
}

应用场景

语义搜索： 将查询和文档都转为向量，通过余弦相似度匹配最相关的结果
RAG 检索增强生成： 先检索相关文档片段，再交给大模型生成回答
文档聚类： 基于向量相似度对文档进行自动分组
智能客服： 将用户问题与知识库条目进行语义匹配