• 简体中文
  • 嵌入与重排

    配合使用可以搭建 RAG(检索增强生成)应用:嵌入负责把文本变成向量做语义检索,重排负责把召回的候选按相关度重新排序。

    文本嵌入(Embeddings)

    向 /v1/embeddings 发送文本,返回向量。可用模型与价格以 模型广场 为准(找名称带 embedding 的模型),下文以 text-embedding-v4 为例。

    字段类型必填说明
    modelstring是嵌入模型名
    inputstring 或 array是要向量化的文本,支持一次传多条
    cURL
    Python (openai)
    Node.js (openai)
    curl https://api-model.shuntianchuang.cn/v1/embeddings \
      -H "Content-Type: application/json" \
      -H "Authorization: Bearer sk-你的令牌" \
      -d '{
        "model": "text-embedding-v4",
        "input": ["什么是 API 网关", "顺天创模型服务平台"]
      }'

    返回的 data 数组中每条含 embedding(浮点数向量)与 index;usage 记录计费 token 数。向量用于入库(如向量数据库)与检索,不要试图直接阅读。

    重排(Rerank)

    向 /v1/rerank 发送查询与候选文档,返回按相关度排序的结果。可用模型以 模型广场 为准(找名称带 rerank 的模型),下文以 qwen3-rerank 为例。

    字段类型必填说明
    modelstring是重排模型名
    querystring是用户查询
    documentsarray是候选文档列表(字符串数组)
    top_ninteger否返回前 N 条,默认全部
    cURL
    Python
    Node.js
    curl https://api-model.shuntianchuang.cn/v1/rerank \
      -H "Content-Type: application/json" \
      -H "Authorization: Bearer sk-你的令牌" \
      -d '{
        "model": "qwen3-rerank",
        "query": "如何充值",
        "documents": [
          "余额不足时请到充值平台充值,支持支付宝。",
          "创建 API Key 后即可调用接口。",
          "使用日志页可以查看每次调用的费用明细。"
        ],
        "top_n": 2
      }'

    返回的 results 数组按相关度降序,每条含 index(对应 documents 的下标)与 relevance_score(相关度得分)。