Embedding模型服务平台API文档（v2.0）

1. 产品概述

本平台提供高性能向量嵌入服务，专注于通用文本向量化场景。

支持模型列表

模型类型	模型名称	输出维度	适用场景
Embedding	BAAI/bge-m3	1024	通用文本向量化

---

2. 接口优势

✅ 毫秒级响应：平均延迟<200ms
✅ 多语言支持：中文、英文、德语等100+语言
✅ 高维向量输出：支持1024维度向量编码
✅ OpenAI兼容：无缝对接现有向量数据库

---

3. 认证与安全

认证方式

Authorization: Bearer YOUR_API_KEY

• 获取API Key：登录控制台 > 账户管理 > 创建密钥
• 安全性：HTTPS加密传输，支持IP白名单配置

---

4. Embedding模型API

请求地址

POST /v1/embeddings

请求参数

参数名	类型	必填	说明
model	string	是	模型ID（如text-embedding-3-large）
input	string	是	需编码的文本内容
dimensions	integer	否	输出向量维度（仅text-embedding-3-large支持）

Python请求示例

import requests

url = "https://api.edgefn.net/v1/embeddings"
headers = {
    "Authorization": "Bearer YOUR_API_KEY",
    "Content-Type": "application/json"
}
data = {
    "model": "text-embedding-3-large",
    "input": "量子计算是未来科技的核心",
    "dimensions": 1024
}

response = requests.post(url, headers=headers, json=data)
print(response.json())

返回示例

{
  "object": "embedding",
  "embedding": [0.12, -0.45, 0.67, ...],  // 向量数组（长度=维度）
  "model": "text-embedding-3-large",
  "usage": {
    "prompt_tokens": 10,
    "total_tokens": 10
  }
}

---

5. 错误代码详解

状态码	错误类型	示例响应体
400	参数校验失败	{"error": {"message": "Missing required parameter: prompt", "type": "invalid_request"}}
401	鉴权失败	{"error": {"message": "Invalid API key", "type": "authentication_error"}}
429	配额超限	{"error": {"message": "Rate limit exceeded", "type": "rate_limit_error"}}
500	服务内部错误	{"error": {"message": "Internal server error", "type": "server_error"}}

---

联系方式：技术问题请发送邮件至 support@baishan.com
文档最后更新时间：2025-06-20