提供一组文本，让 Octen 将它们转成向量，也就是表示文本语义的一组数字。可按需选择模型、向量长度及 query/document 角色；Agent 再为后续的语义比较或检索整理这些向量。
按确认的实际用量结算，未使用的预留额度会恢复到可用余额。
Octen
提供一组文本，让 Octen 将它们转成向量，也就是表示文本语义的一组数字。可按需选择模型、向量长度及 query/document 角色；Agent 再为后续的语义比较或检索整理这些向量。
文本转换完成后，你会得到表示所提交文本的数字向量。它是一串数字，不是可直接阅读的摘要。Agent 可以保留向量与原文的对应关系，再结合兼容的向量索引进行相似度比较或检索；这些是后续步骤。
请准备[这些帮助文字：“在账号设置中重置密码”；“通过登记邮箱找回访问权限”]，让 AI 以后能根据相似问题找到对应内容。每段文字都要和对应结果配在一起。
生成向量本身不会搜索网页或回答问题。文本长度限制或截断可能影响向量所表达的内容。比较向量前，应确认模型和维度设置兼容。
开始前检查当前输入要求、可用状态和最高预留费用。
| 字段 / 路径 | 类型 | 是否必填 | 含义 |
|---|---|---|---|
文本向量请求body | object | 必填 | 请求对象，包含文本列表，以及按需选择的模型、向量长度或检索角色。
|
待生成向量的文本列表body.input | array | 必填 | 至少包含一项文本的列表。每段资料或检索问题单独作为一个字符串，便于保留返回向量与原文的对应关系。
|
一段文本body.input[] | string | — | 需要转成向量的一段资料或检索问题。尽量简洁，将长文拆成意思连贯的段落。 |
向量模型body.model | string | 选填 | 可选 octen-embedding-0.6b、octen-embedding-4b 或 octen-embedding-8b，默认 octen-embedding-4b。准备互相比较的资料与问题时，应保持模型一致。
|
向量长度（维度）body.dimension | integer | 选填 | 每个向量希望包含的数字个数。填写所选模型和索引支持的正整数；省略时使用模型的最大长度。
|
检索角色body.input_type | string | 选填 | 检索问题用 query，准备进入资料集合的文本用 document。这用于指定向量生成角色，不会直接执行后续检索。
|
{
"type": "object",
"required": [
"body"
],
"properties": {
"body": {
"type": "object",
"$schema": "https://json-schema.org/draft/2020-12/schema",
"required": [
"input"
],
"~standard": {
"vendor": "zod",
"version": 1,
"jsonSchema": {}
},
"properties": {
"input": {
"type": "array",
"items": {
"type": "string"
},
"minItems": 1,
"description": "要生成向量的文本，每个元素最多 32768 tokens。"
},
"model": {
"enum": [
"octen-embedding-0.6b",
"octen-embedding-4b",
"octen-embedding-8b"
],
"type": "string",
"default": "octen-embedding-4b"
},
"dimension": {
"type": "integer",
"maximum": 9007199254740991,
"description": "输出向量维度，默认使用模型最大维度。",
"exclusiveMinimum": 0
},
"input_type": {
"enum": [
"query",
"document"
],
"type": "string",
"description": "输入属于检索问题还是文档。"
}
},
"additionalProperties": false
}
},
"additionalProperties": false
}暂未配置返回字段说明。
保留每个向量对应的原始文本。数字表示可用于比较语义，但不能替代原文、来源或事实核对。如果响应提供输入序号，可用它维持原文与向量的对应关系。
将长资料拆成各自表达一个有用意思的段落。字符数与 token 数不是同一种计量方式，看起来较短的文本也可能消耗较多 token。生成向量前先分段；若返回截断提示，部分原文可能没有进入向量表示。
模型和向量长度应与准备检索的资料集合兼容。维度指一个向量包含多少个数字。即使长度相同，不同模型的向量表示也可能不同，不能仅凭长度一致就直接混用。
query 角色用于准备与索引资料比较的问题，document 角色用于索引中的资料文本。选择角色会影响向量生成准备，不会据此完成数据库搜索、网页发现或答案获取。
如有返回，保留模型等有用元信息和提示。数据库存储、相似度计算、排序和答案生成由 Agent 或应用另行完成。相似度数值取决于比较方法和资料集合，不能直接当作通用置信度。
可以准备[以后要查找的资料]，也可以准备[用来匹配已保存资料的问题]。如果要添加到已有资料里，请告诉 Agent 按原来的方式处理，方便之后一起查找。
请准备[这些帮助文字：“在账号设置中重置密码”；“通过登记邮箱找回访问权限”]，让 AI 以后能根据相似问题找到对应内容。每段文字都要和对应结果配在一起。
把每个结果和它对应的原文放在一起，方便之后使用。Agent 可以继续整理这些配对内容。本工具不会替你保存这些文字，也不会直接搜索答案。
向量是一组用于比较或索引的数字，不是可读说明或事实答案。如果你的任务需要摘要，Agent 可保留原文并另行整理。
资料集合与要匹配的问题应采用兼容的模型和维度。数字个数相同，不代表两个模型的表示就兼容。更换设置时，应安排现有资料与查询向量保持一致。
向量表示可能没有包含整段文字的内容。核对返回的提示并保留原文，必要时拆成较短、意思连贯的段落。字符数与 token 数不同，不能直接互换。
准备进入资料集合的段落选择 document，要与这些资料匹配的问题选择 query，并采用兼容的模型和维度。这些角色用于准备向量，不会自动建立索引或完成检索。