OpenAI Embeddings API 用法

托管向量化接口：text-embedding-3-small 默认 1536 维、text-embedding-3-large 默认 3072 维，都支持 dimensions 参数输出更短向量（Matryoshka 思路）。

RAG 与向量库速查AI更新于 2026-10-12

批量调用与缩短维度

from openai import OpenAI

client = OpenAI()
resp = client.embeddings.create(
    model="text-embedding-3-small",
    input=["如何配置超时", "超时设置方法"],
    dimensions=512,             # 可选：按需缩短向量
)
for d in resp.data:
    print(len(d.embedding))

批量输入与限流按账户额度控制；缩短向量可省存储，但可能损失效果，需要评测后决定。

易错点

缩短后的向量与库里旧向量维度不一致时无法共存，需统一重建
失败重试要有退避与幂等控制，避免重复计费

数据来源与参考

OpenAI 官方文档（Embeddings API）
Kusupati et al., Matryoshka Representation Learning, arXiv:2205.13147

继续搜索

常用关键词：3389 traceroute iptables 子网掩码 docker

‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌