哈基米API站

Appearance

OpenAI Embeddings ​

文本向量化接口，适合语义检索、相似度计算、RAG 知识库和重排序前的向量召回。

接口信息 ​

项目值
方法POST
路径/v1/embeddings
完整地址https://api.gemai.cc/v1/embeddings
鉴权Authorization: Bearer sk-你的令牌

请求体示例 ​

json
{
  "model": "qwen3-embedding-8b",
  "input": "哈基米 API 支持多种模型接口调用。"
}

代码示例 ​

bash
curl --location 'https://api.gemai.cc/v1/embeddings' \
  --header "Authorization: Bearer $GEMAI_API_KEY" \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "qwen3-embedding-8b",
    "input": "哈基米 API 支持多种模型接口调用。"
  }'
javascript
const response = await fetch('https://api.gemai.cc/v1/embeddings', {
  method: 'POST',
  headers: {
    Authorization: `Bearer ${process.env.GEMAI_API_KEY}`,
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
    model: 'qwen3-embedding-8b',
    input: '哈基米 API 支持多种模型接口调用。',
  }),
})

const data = await response.json()
console.log(data.data?.[0]?.embedding)
python
import os
import requests

response = requests.post(
    'https://api.gemai.cc/v1/embeddings',
    headers={
        'Authorization': f"Bearer {os.environ['GEMAI_API_KEY']}",
        'Content-Type': 'application/json',
    },
    json={
        'model': 'qwen3-embedding-8b',
        'input': '哈基米 API 支持多种模型接口调用。',
    },
    timeout=120,
)

response.raise_for_status()
print(response.json()['data'][0]['embedding'])

返回示例 ​

json
{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "index": 0,
      "embedding": [0.0123, -0.0456, 0.0789]
    }
  ],
  "model": "qwen3-embedding-8b",
  "usage": {
    "prompt_tokens": 12,
    "total_tokens": 12
  }
}

注意事项 ​

  • input 可以是字符串，也可以是字符串数组。
  • 请使用向量模型，普通聊天模型通常不支持 embeddings。