文本嵌入
OpenAI 兼容 Embeddings API，语义检索与 RAG 的向量化入口。
端点为 POST /v1/embeddings，语义与 OpenAI 官方一致。将文本转为向量，用于语义搜索、RAG 检索、聚类与分类。
基本调用
from openai import OpenAI
client = OpenAI(
base_url="https://api.goodputai.cn/v1",
api_key="你的 GoodPut API Key",
)
resp = client.embeddings.create(
model="qwen/text-embedding-v4",
input="杭州西湖",
)
print(len(resp.data[0].embedding)) # 向量维度批量输入
input 传字符串数组即可批量向量化，结果按 index 与输入一一对应：
resp = client.embeddings.create(
model="qwen/text-embedding-v4",
input=["第一段文本", "第二段文本"],
)参数
| 参数 | 说明 |
|---|---|
model | 必填，模型库中的嵌入模型 ID |
input | 必填，字符串或字符串数组 |
encoding_format | float（默认）或 base64 |
dimensions | 可选，输出维度（模型支持时；降维可降低存储与检索成本） |
计费
按输入 token 计量（¥/百万 tokens），无输出费用；实价见模型库，逐笔扣费金额可在控制台调用日志核对。
嵌入向量的相似度检索建议用余弦相似度；不同模型（甚至同模型不同维度）产生的向量不可混用比较。