النص

إنشاء Embedding

ينشئ متجه embedding يمثل النص المدخل

POST
/v1/embeddings

استخدم GET /v1/models?recommended_for=embedding لسرد نماذج embedding الحالية. استخدم نموذجًا تدرج تفاصيله العملية embedding أو text-embedding. النموذج الذي يدرج multimodal-embedding يُرجع 400 unsupported_endpoint هنا؛ أرسله إلى إنشاء Multimodal Embeddings.

جسم الطلب

تُرجع نقطة النهاية هذه استجابتها بعد أن تصبح المتجهات جاهزة. بالنسبة للدفعات الكبيرة، اضبط مهلة عميل HTTP على 120s على الأقل.

modelstringمطلوب

معرّف نموذج embedding المراد استخدامه (مثل text-embedding-3-small).

inputstring | arrayمطلوب

النص المراد عمل embedding له: سلسلة نصية أو مصفوفة من السلاسل النصية. النماذج التي تدعم إدخال token تقبل أيضًا number[] لتسلسل token واحد أو number[][] لتسلسلات متعددة. يعتمد عدد العناصر، وعدد token لكل عنصر، وعدد token لكل طلب على النموذج؛ يمكنك الاطلاع عليها في GET /v1/models/{model}.

encoding_formatstringالافتراضي: float

تنسيق الـ embeddings: إما float أو base64.

dimensionsinteger

عدد أبعاد كل متجه مُرجع، وهو عدد صحيح موجب. أرسله فقط عندما تدرج تفاصيل النموذج dimensions؛ ويعتمد الحد الأقصى على النموذج.

userstring

معرّف فريد يمثل المستخدم النهائي الخاص بك لمراقبة إساءة الاستخدام.

الاستجابة

objectstring

دائمًا list.

dataarray

مصفوفة من كائنات embedding.

يحتوي كل كائن على:

  • object (string): embedding
  • index (integer): الفهرس في مصفوفة الإدخال
  • embedding (array | string): متجه رقمي لـ float، أو سلسلة Base64 لـ base64.
modelstring

النموذج المستخدم.

usageobject

استخدام token مع prompt_tokens و total_tokens.

الطلب

curl -X POST "https://api.tokenlab.sh/v1/embeddings" \
  -H "Authorization: Bearer sk-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "text-embedding-3-small",
    "input": "The quick brown fox jumps over the lazy dog"
  }'

تم تقصير المتجه في المثال لتسهيل القراءة.

الاستجابة

Response
{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "index": 0,
      "embedding": [0.0023, -0.0194, 0.0081]
    }
  ],
  "model": "text-embedding-3-small",
  "usage": {
    "prompt_tokens": 9,
    "total_tokens": 9
  }
}

عمليات Embedding الدفعية

# Embed multiple texts at once
response = client.embeddings.create(
    model="text-embedding-3-small",
    input=[
        "First document text",
        "Second document text",
        "Third document text"
    ]
)

for i, data in enumerate(response.data):
    print(f"Document {i}: {len(data.embedding)} dimensions")

الأخطاء

الحالةالرمزالسبب
400invalid_requestحقل مفقود أو ذو نوع غير صحيح. يحدده param
400unsupported_endpointالنموذج غير منشور لنقطة النهاية هذه
413جسم الطلب كبير جدًا

تعامل مع الحالات الأخرى كما هو موضح في التعامل مع أخطاء API.

الواجهات ذات الصلة

بالنسبة للنماذج التي تدرج multimodal-embedding، استخدم إنشاء Multimodal Embeddings.

التفويض

BearerAuth
AuthorizationBearer <token>

مصادقة مفتاح API. قم بإنشاء أو إدارة مفاتيح API في Dashboard > API > API Keys.

الموضع: header

الترويسات

X-TokenLab-Delivery-Policy?string

سياسة التسليم لكل طلب. تتجاوز إعدادات API key و Workspace الافتراضية. يحاول النظام تلقائياً استخدام TokenLab Verified أولاً، وقد ينتقل مرة واحدة إلى Official فقط قبل المخرجات، أو قبول الطلب، أو إنشاء مورد دائم.

القيم المتاحة

  • "auto"
  • "verified"
  • "official"

جسم الطلب

application/json

الاستجابة

application/json

application/json

application/json

application/json

application/json

application/json

application/json

application/json