接口说明

文本向量（Embedding）

POST https://api.scnet.cn/api/llm/v1/embeddings

1.功能介绍

文本类数据提供高效的向量化转换服务，适用于RAG、文本分类、情感分析等自然语言处理任务。

2.请求参数

Header 参数

名称	类型	必填	示例值
Content-Type	string	是	application/json
Authorization	string	是	Bearer

Body 参数

名称	类型	必填	默认值	描述
model	string	是	\	调用模型的名称。例如：您可以使用Qwen3-Embedding-8B。
input	array<string>或 string	是	\	输入文本的基本信息，可以是字符串，字符串列表。 文本限制： ●文本数量：     ○作为字符串时最长支持 8,192 Token。     ○作为字符串列表时最多支持 5条，每条最长支持 8,192 Token。
dimension	int	否	4096	用于用户指定输出向量维度，Qwen3-Embedding-8B模型默认值为 4096，不支持修改为其他值。
encoding_format	string	否	\	用于控制返回的Embedding格式，当前支持float和base64格式。

3.响应参数

名称	类型	必填	描述
data	array	是	任务输出信息。 embedding list 本次调用返回object对象的value，类型是元素为float数据的数组，包含具体Embedding向量。 index int 本结构中的算法结果对应的输入文字在输入数组中的索引值。 object string 本次调用返回的object对象类型，默认为embedding。
model	string	是	调用模型的名称。
object	string	是	本次调用返回的data类型，默认为list。
model	string	是	生成该 completion 的模型名。
usage	object	是	prompt_tokens integer 用户输入文本转换成Token后的长度。 total_tokens integer 本次请求输入内容的 Token 数目，算法的计量是根据用户输入字符串被模型Tokenizer解析之后对应的Token数目来进行。
id	string	是	请求唯一标识。可用于请求明细溯源和问题排查。

4.请求示例

1. 请求示例（curl）

curl --location 'https://api.scnet.cn/api/llm/v1/embeddings' \
--header "Authorization: Bearer <API Key>" \
--header 'Content-Type: application/json' \
--data '{
    "model": "Qwen3-Embedding-8B",
    "input": "风急天高猿啸哀，渚清沙白鸟飞回，无边落木萧萧下，不尽长江滚滚来",  
    "dimension": "4096",  
    "encoding_format": "float"
}'

2. 请求示例（python）

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("<API Key>"),  # 如果您没有配置环境变量，请在此处用您的API Key进行替换
    base_url="https://api.scnet.cn/api/llm/v1/embeddings"  # SCNet模型API服务的base_url
)

completion = client.embeddings.create(
    model="Qwen3-Embedding-8B",
    input='衣服的质量杠杠的，很漂亮，不枉我等了这么久啊，喜欢，以后还来这里买',
    dimensions=4096, # 指定向量维度（仅 Qwen3-Embedding-8B模型支持该参数）
    encoding_format="float"
)

print(completion.model_dump_json())

3. 请求示例（go）

package main

import (
        "bytes"
        "encoding/json"
        "fmt"
        "net/http"
        "os"
)


func main() {
        apiKey := os.Getenv("OPENAI_API_KEY")
        if apiKey == "" {
                fmt.Println("请设置OPENAI_API_KEY环境变量")
                return
        }

        payload := map[string]interface{}{
                "model":            "Qwen3-Embedding-8B",
                "input":            "衣服的质量杠杠的，很漂亮，不枉我等了这么久啊，喜欢，以后还来这里买",
                "dimensions":       4096,
                "encoding_format":  "float",
        }

        jsonData, err := json.Marshal(payload)
        if err != nil {
                fmt.Printf("JSON序列化失败: %v\n", err)
                return
        }

        req, err := http.NewRequest("POST", "https://api.scnet.cn/api/llm/v1/embeddings", bytes.NewBuffer(jsonData))
        if err != nil {
                fmt.Printf("创建请求失败: %v\n", err)
                return
        }

        req.Header.Add("Content-Type", "application/json")
        req.Header.Add("Authorization", "Bearer "+apiKey)

        client := &http.Client{}
        resp, err := client.Do(req)
        if err != nil {
                fmt.Printf("请求发送失败: %v\n", err)
                return
        }
        defer resp.Body.Close()
        
        if resp.StatusCode != http.StatusOK {
                fmt.Printf("请求失败，状态码: %d\n", resp.StatusCode)
                return
        }

        body, err := ioutil.ReadAll(resp.Body)
        if err != nil {
                fmt.Printf("读取响应失败: %v\n", err)
                return
        }

        var result EmbeddingResponse
        if err := json.Unmarshal(body, &result); err != nil {
                fmt.Printf("解析响应失败: %v\n", err)
                return
        }

        formattedJSON, _ := json.MarshalIndent(result, "", "  ")
        fmt.Println(string(formattedJSON))

5.响应示例

 {
  "id": "embd-71d0820e81a3691140fb62967c6cc60a",
  "object": "list",
  "created": 1750930640,
  "model": "Qwen3-Embedding-8B",
  "data": [
    {
      "index": 0,
      "object": "embedding",
      "embedding": [-0.0016174316, -0.013320923, ..., 0.009742737]
    }
  ],
  "usage": {
    "prompt_tokens": 37,
    "completion_tokens": 0,
    "total_tokens": 37,
    "prompt_tokens_details": null,
    "completion_tokens_details": null,
    "prompt_cache_hit_tokens": null,
    "prompt_cache_miss_tokens": null

  }
}