j9九游会登录/ 大模型即服务平台 maas/ / / 创建文本向量化
更新时间:2026-02-09 gmt 08:00

创建文本向量化-j9九游会登录

创建文本向量化api用于将文本数据转换为数值向量,以便于在机器学习和自然语言处理任务中使用。这些向量可以捕捉文本的语义信息,使得机器学习模型能够理解和处理文本数据。

前提条件

  • 预置服务:已在模型推理 > 在线推理 > 预置服务页签开通bge-m3模型的预置服务。具体操作,请参见maas开通预置服务
  • 自定义接入点:已在模型推理 > 在线推理 > 自定义接入点页签为bge-m3或qwen3-embedding-8b模型创建了自定义接入点。具体操作,请参见附录:创建自定义接入点

约束限制

该功能仅支持“西南-贵阳一”区域。

接口信息

表1 接口信息

名称

说明

取值

api地址

调用图片生成的api地址。

https://api.modelarts-maas.com/v1/embeddings

model参数

model参数调用名称。

您可以任选以下方式获取model参数值。

  • 表2的“model参数值”列获取。
  • 预置服务:在模型推理 > 在线推理 > 预置服务页签的服务名称左侧,单击图标,在“model参数”列查看取值。更多信息,请参见maas开通预置服务
  • 自定义接入点:在模型推理 > 在线推理 > 自定义接入点页签的“model参数”列查看取值。更多信息,请参见附录:创建自定义接入点

支持模型列表

表2 支持模型列表

模型

支持地域

model参数值

应用场景

bge-m3

西南-贵阳一

bge-m3

文本向量化

请求参数说明

表3 请求body参数

参数

是否必填

默认值

参数类型

描述

model

string

模型名称,具体请参见表2的“model参数值”列。

input

string

支持字符串或字符串列表。

encoding_format

float

string

指定文本向量化结果的输出格式。取值为float或base64。

响应参数说明

状态码:200

参数

参数类型

说明

id

string

请求id。

object

string

对象类型,始终为 "list"。

created

integer

时间戳。

model

string

模型名称。

data

object[]

模型生成结果数据集。

data.index

integer

序号。

data.object

enum

对象类型。

data.embedding

number[]

模型生成的嵌入向量列表。

usage

object

请求的使用信息。

usage.prompt_tokens

integer

提示词token计数。

usage.total_tokens

integer

请求使用的token总数。

usage.completion_tokens

integer

推理token计数。

usage.prompt_tokens_details

object

输入prompt使用情况详情。

请求示例

此处以使用bge-m3模型将文本字符串 ["这是一只小猫", "这是一只小狗"]转换为数值向量为例,展示向量模型的基础用法。

  • 使用python调用示例。
    import requests
    import json
    if __name__ == '__main__':
        url = "https://api.modelarts-maas.com/v1/embeddings"  # api地址
        api_key = "maas_api_key"  # 把maas_api_key替换成已获取的api key
        # send request.
        headers = {
            'content-type': 'application/json',
            'authorization': f'bearer {api_key}'
        }
        texts = ["这是一只小猫", "这是一只小狗"]
        data = {
            "model": "bge-m3",  # 模型名称
            "input": texts,  # input类型可为string or string[]
            "encoding_format": "float"  # 取值范围:"float","base64"
        }
        response = requests.post(url, headers=headers, data=json.dumps(data), verify=false)
        # print result.
        print(response.status_code)
        print(response.text)
  • 使用curl调用示例。
    curl -x post "https://api.modelarts-maas.com/v1/embeddings" \
      -h "content-type: application/json" \
      -h "authorization: bearer $maas_api_key" \
      -d '{
        "model": "bge-m3",
        "input": [
          "这是一只小猫",
          "这是一只小狗"
        ],
        "encoding_format": "float"
      }'
  • 使用openai sdk调用示例。
    from openai import openai
    base_url = "https://api.modelarts-maas.com/v1"  # api地址
    api_key = "maas_api_key"  # 把maas_api_key替换成已获取的api key
    texts = ["这是一只小猫", "这是一只小狗"]
    client = openai(api_key=api_key, base_url=base_url)
    response = client.embeddings.create(
        model="bge-m3",  # model参数
        input=texts,  # input类型可为string or string[]
        encoding_format="float"  # 取值范围:"float","base64"
    )
    # print result.
    print(response.data)
  • 使用java调用示例。

    在pom.xml中添加依赖配置:

    
          com.openai
          openai-java
          4.8.0
    package com.openai.example.embedding;
    import com.openai.client.openaiclient;
    import com.openai.client.okhttp.openaiokhttpclient;
    import com.openai.models.embeddings.embeddingcreateparams;
    import javax.net.ssl.sslcontext;
    import javax.net.ssl.trustmanager;
    import javax.net.ssl.x509trustmanager;
    import java.security.keymanagementexception;
    import java.security.nosuchalgorithmexception;
    import java.security.securerandom;
    import java.security.cert.certificateexception;
    import java.security.cert.x509certificate;
    import java.util.list;
    public final class embeddingsexample {
        public static void main(string[] args) {
            // 把maas_api_key替换成已获取的api key,${model_name}替换为model参数
            string apikey = "maas_api_key";
            string url = "https://api.modelarts-maas.com/v1";
            string model = "${model_name}";
            initsslparam();
            openaiclient client = openaiokhttpclient.builder()
                    .apikey(apikey)
                    // 绕过ssl校验,无需绕过请注释或删除以下两行操作
                    .sslsocketfactory(ssl_context.getsocketfactory())
                    .trustmanager(trust_manager)
                    .base
                    .build();
            list text = list.of("这是一只小猫", "这是一只小狗");
            embeddingcreateparams createparams = embeddingcreateparams.builder()
                    .inputofarrayofstrings(text)
                    .model(model)
                    .encodingformat(embeddingcreateparams.encodingformat.float)
                    .build();
            system.out.println(client.embeddings().create(createparams));
        }
        private static x509trustmanager trust_manager;
        private static sslcontext ssl_context;
        /**
         * 初始化自定义ssl参数,绕过ssl证书校验
         */
        public static void initsslparam() {
            try {
                // 创建信任所有证书的trustmanager
                trust_manager = new x509trustmanager() {
                    @override
                    public void checkclienttrusted(x509certificate[] chain, string authtype) throws certificateexception {
                    }
                    @override
                    public void checkservertrusted(x509certificate[] chain, string authtype) throws certificateexception {
                    }
                    @override
                    public x509certificate[] getacceptedissuers() {
                        return new x509certificate[]{};
                    }
                };
                // 安装信任所有证书的 sslcontext
                ssl_context = sslcontext.getinstance("ssl");
                ssl_context.init(null, new trustmanager[]{trust_manager}, new securerandom());
            } catch (nosuchalgorithmexception | keymanagementexception e) {
                e.printstacktrace();
                throw new runtimeexception(e);
            }
        }
    }

响应示例

{
	"id": "embd-d848df392a67d662f5a76eaa9e33974f",
	"object": "list",
	"created": 1758023320,
	"model": "bge-m3",
	"data": [{
		"index": 0,
		"object": "embedding",
		"embedding": [-0.021697998046875, 0.0322265625, ...]
	}],
	"usage": {
		"prompt_tokens": 7,
		"total_tokens": 7,
		"completion_tokens": 0,
		"prompt_tokens_details": null
	}
}

相关文档

网站地图