跳至主要内容

使用 Embedding API

Stima API 提供 Embedding API 讓開發者可以將文字轉換為向量，並且可以透過向量搜尋的方式找到相似的文字。

OpenAI Embedding Model 使用方式 (以 Python 為例)​

import http.client
import json

conn = http.client.HTTPSConnection("api.stima.tech")
payload = json.dumps({
   "model": "text-embedding-3-large",
   "input": "The food was delicious and the waiter..."
})
headers = {
   'Authorization': 'Bearer <STIMA_API_KEY>',
   'Content-Type': 'application/json'
}
conn.request("POST", "/v1/embeddings", payload, headers)
res = conn.getresponse()
data = res.read()
print(data.decode("utf-8"))

參數說明​

  • model: 模型目前支援 OpenAI 的 text-embedding-3-large, text-embedding-3-small, text-embedding-ada-002 以及 Jina AI 的 jina-embeddings-v3, jina-clip-v2, jina-colbert-v2, jina-embeddings-v2-base-code, jina-embeddings-v2-base-zh, jina-embeddings-v2-base-en。
  • input: 要轉換的文字
  • STIMA_API_KEY: 您的 API 金鑰

Jina AI Embedding Model 使用方式 (以 Python 為例)​

curl -X POST "https://api.stima.tech/v1/embeddings" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <STIMA_API_KEY>" \
  -d '{
    "model": "jina-embeddings-v3",
    "input": ["你好，世界", "Hello, World"],
    "task": "retrieval.passage"
  }'

參數說明​

  • model: 模型目前支援 Jina AI 的 jina-embeddings-v3, jina-clip-v2, jina-colbert-v2, jina-embeddings-v2-base-code, jina-embeddings-v2-base-zh, jina-embeddings-v2-base-en, jina-embeddings-v2-base-de, jina-clip-v1, jina-embeddings-v2-base-es, jina-colbert-v1-en。
  • input: 要轉換的文字
  • task: 任務目前支援jina-embeddings-v3 的 retrieval.query, retrieval.passage, separation, classification, text-matching 以及 none。與 Jina AI 官網提供的任務選項相同。
  • STIMA_API_KEY: 您的 API 金鑰