Confluia API 文档

Appearance

向量嵌入 ​

向量嵌入接口将文本转换为数值向量，常用于语义检索、相似度计算、RAG（检索增强生成）等场景。接口兼容 OpenAI 的 POST /v1/embeddings 规范。

请求 ​

POST https://confluia.com/v1/embeddings
Authorization: Bearer sk-你的密钥
Content-Type: application/json

单条文本：

json
{
  "model": "text-embedding-3-small",
  "input": "今天天气不错"
}

input 也可以传字符串数组，一次请求处理多条文本：

json
{
  "model": "text-embedding-3-small",
  "input": ["第一条文本", "第二条文本", "第三条文本"]
}

响应 ​

json
{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "index": 0,
      "embedding": [0.0023, -0.0118, 0.0056]
    }
  ],
  "model": "text-embedding-3-small",
  "usage": { "prompt_tokens": 5, "total_tokens": 5 }
}
  • data 数组长度与 input 条目数一一对应，index 为输入下标（从 0 开始）。
  • embedding 为浮点数数组，维度由模型决定。
  • 计费按输入 token 数（usage.prompt_tokens）折算，详见计费与额度。

主要参数 ​

参数类型必填说明
modelstring✓嵌入模型 ID，见 GET /v1/models 或控制台模型列表
inputstring / string[]✓待嵌入文本，单次批量条数上限以模型为准
encoding_formatstring—返回格式：float（默认）或 base64
dimensionsint—输出维度；仅在模型支持时生效

参数为透传语义：网关原样转发给上游，具体取值范围与默认值以所用模型的官方文档为准；模型不支持的参数会被上游忽略或提示。

使用建议 ​

  1. 模型选择：仅可选用模型类型为 embedding 的模型（在控制台「价格 / 模型列表」页或 GET /v1/models 中确认）。
  2. 批量请求：批量传入文本可减少请求次数；单次批量上限以模型限制为准，超出上游会返回 400。
  3. 检索前归一化：计算余弦相似度前建议对向量做 L2 归一化（部分模型输出已归一化，可直接点积）。
  4. 检索排序：若需要更贴合业务的相关性排序，可在向量召回后接重排序接口。

常见问题 ​

  • 返回 400 / 参数不被支持：某些嵌入模型不支持 dimensions 或 encoding_format，按错误 message 去掉对应参数即可。
  • 结果维度与预期不同：维度由模型（或 dimensions 参数）决定，不是所有模型都支持自定义维度。