임베딩

벡터 생성, 색인, 유사도 검색.

생성만 수행

http

POST /v1/embeddings

json

{
  "input": ["Premier texte", "Deuxieme texte"],
  "model": null,
  "routing_strategy": "auto"
}

json

{
  "embeddings": [[0.0123, -0.0456, ...], [0.0789, ...]],
  "dimensions": 1536,
  "model": "text-embedding-3-small",
  "provider": "openai"
}

색인

벡터를 생성하고, 동시에 자유 형식의 메타데이터와 함께 조직의 벡터 색인(pgvector)에 저장합니다.

http

POST /v1/embeddings/index

json

{
  "content": "IleAI est une plateforme unifiee d'acces a des modeles d'IA.",
  "metadata": { "source": "faq", "id_interne": "42" }
}

json

{ "id": "3f7a1c2e-..." }

생성에 사용한 model과 관계없이, 색인 작업은 항상 text-embedding-3-small(routing_strategy "manual")을 강제합니다: 색인과 관련된 모든 항목은 동일한 벡터 차원을 공유해야 합니다.

유사도 검색

http

POST /v1/embeddings/search

json

{
  "query": "Comment fonctionne le routage IA ?",
  "top_k": 5
}

json

{
  "results": [
    {
      "id": "3f7a1c2e-...",
      "content": "IleAI est une plateforme unifiee d'acces a des modeles d'IA.",
      "metadata": { "source": "faq", "id_interne": "42" },
      "model": "text-embedding-3-small",
      "distance": 0.1834
    }
  ]
}

distance는 코사인 거리입니다 — 0에 가까울수록 결과의 관련성이 높습니다.

제공업체

OpenAI, Google.