Einbettungen

Verwenden Sie Einbettungsantworten mit einer OpenAI-kompatiblen Anfrage.

Überprüfen Sie die Anforderungs- und Antwortverarbeitung für Such-, Abruf-, Clustering- und Empfehlungsworkflows mit zurückgegebenen Vektoren und halten Sie dabei die serverseitigen Schlüssel und deren Verwendung sichtbar.

Anforderungsform anzeigen Überprüfen Sie die Authentifizierung

Zuletzt aktualisiert: July 12, 2026. Examples Nutzung safe placeholders und tun nicht enthalten real API-Schluessels, Geheimnisse, oder customer Daten.

Empfohlene Erstanwendung

Beginnen Sie mit einem kleinen Batch, speichern Sie Vektoren mit Quellmetadaten und fügen Sie dann Warteschlangen, Wiederholungsversuche und Ratenbegrenzungsüberwachung hinzu, bevor Sie einen großen Korpus indizieren.

Einrichtung-Pfad

Vier Schritte vom Text zur zurückgegebenen Vektorform.

Step 1

Serverseitig authentifizieren

Verwenden Sie einen API-Schlüssel mit dem Gültigkeitsbereich „embeddings:write“ aus vertrauenswürdigem serverseitigem Code.

Abschnitt öffnen

Step 2

Texteingabe senden

Veröffentlichen Sie eine Zeichenfolge oder ein Array von Zeichenfolgen an den OpenAI-kompatiblen Einbettungsendpunkt.

Abschnitt öffnen

Step 3

Lesen Sie Vektoren mit Metadaten

Validieren Sie die zurückgegebene Vektorform mit Ihrer Dokument-ID, Quelle und allen Suchfiltern, die Ihr Produkt benötigt.

Abschnitt öffnen

Step 4

Überwachen Sie die Nutzung

Verfolgen Sie die Anforderungsanzahl, Prompt-Tokens, den Ratenstatus und 429-Antworten vor großen Indizierungsaufträgen.

Abschnitt öffnen

Endpunkt

Veröffentlichen Sie Text an den Embeddings-Endpunkt.

Verwenden Sie den OpenAI-kompatiblen /v1-Endpunkt mit einem bereichsbezogenen serverseitigen Schlüssel. Halten Sie Rohinhalte aus den Protokollen fern, es sei denn, Ihre Datenrichtlinie erlaubt dies.

Embeddings-Endpunktanforderungen und Hinweise.
Artikel	Wert	Notizen
Methode	POST	Senden Sie JSON an den Embeddings-Endpunkt.
Endpunkt	https://unlimitedcodex.com/v1/embeddings	Verwenden Sie die gleiche /v1-Basis-URL wie für Chat-Abschlüsse und Bildanfragevalidierung.
Autorisierung	Inhabertoken	Verwenden Sie einen bereichsbezogenen API-Schlüssel mit „embeddings:write“-Zugriff.
Inhaltstyp	application/json	Der Anforderungstext muss gültig sein: JSON.

Form anfordern

Senden Sie eine Eingabe oder eine kleine Menge.

Die kleinste nützliche Anfrage umfasst ein Modell und eine Eingabe. Verwenden Sie eine Array-Eingabe, wenn Ihr Anwendung jeden zurückgegebenen Index einem Quelldatensatz zuordnen kann.

Einbettungsanfragefelder, Status und Notizen.
Feld	Status	Notizen
Modell	Empfohlen	Übergeben Sie explizit einen Einbettungsmodellwert. Verwenden Sie den Modellwert aus Ihren gelieferten Einrichtung-Details.
Eingabe	Erforderlich	Senden Sie eine nicht leere Zeichenfolge oder ein Array nicht leerer Zeichenfolgen.
Kodierungsformat	Optional	Verwenden Sie Float für numerische Vektoren oder Base64, wenn Ihre Speicherschicht eine codierte Nutzlast bevorzugt.

const response = await fetch("https://unlimitedcodex.com/v1/embeddings", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${process.env.UCX_API_KEY}`,
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    model: "ucx-embedding-3-small",
    input: [
      "Release checklist for a safe API launch.",
      "Rate states and usage review before rollout."
    ],
    encoding_format: "float"
  })
});

const body = await response.json();

if (!response.ok) {
  throw new Error(body.error?.code ?? "embedding_request_failed");
}

const vectors = body.data.map((item) => item.embedding);

Antwortform

Speichern Sie den Vektor und den Quellkontext zusammen.

Die Antwort umfasst ein Einbettungsobjekt pro Eingabe sowie Nutzungsfelder für die Berichterstellung und Kostenüberprüfung.

Einbettungen von Antwortfeldern, Bedeutungen und Notizen.
Feld	Bedeutung	Notizen
Objekt	Liste	Identifiziert die Antwort als Liste einbettender Objekte.
data[].embedding	number[] oder base64	Entspricht dem angeforderten Kodierungsformat.
data[].index	Eingabeposition	Verwenden Sie dies, um Array-Eingaben wieder Quelldatensätzen zuzuordnen.
use.prompt_tokens	Anzahl der Eingabe-Token	Zählt das Textvolumen, das für Nutzungsberichte und Ratenbegrenzungsüberprüfungen verwendet wird.

{
  "object": "list",
  "id": "embd_example",
  "model": "ucx-embedding-3-small",
  "data": [
    {
      "object": "embedding",
      "index": 0,
      "embedding": [0.1221, -0.7442, 0.0314]
    }
  ],
  "usage": {
    "prompt_tokens": 18,
    "total_tokens": 18
  }
}

{
  "model": "ucx-embedding-3-small",
  "input": "Short text to index.",
  "encoding_format": "base64"
}

Grenzen und Fehler

Behandeln Sie die Indizierung als einen ratenabhängigen Job.

Die Einbettungsarbeitslasten können schnell ansteigen, wenn sich ein Korpus ändert. Integrieren Sie Fortschrittsverfolgung, Wiederholungsversuche und Ratenprüfungen in Ihre Indexierungspipeline.

Pakettarifbegrenzungen Überprüfen Sie Fehler

Der Endpunkt gibt OpenAI-kompatible Vektoren zurück, sodass Teams das Parsing, die Nutzungsberichte und das Speicherverhalten vor größeren Einbettungs-Workloads bestätigen können.

Einbettungsanfragen zählen als eine Anfrage plus Prompt-Tokens.

Die Array-Eingabe ist für kleine Batches nützlich, große Indizierungsjobs sollten jedoch Ihre eigene Warteschlange und Ihren eigenen Backoff verwenden.

Der Endpunkt gibt eine vollständige Listenantwort zurück; Einbettungen werden nicht gestreamt.

Verwenden Sie die 429-Behandlung aus dem Rate-Limit-Leitfaden, bevor Sie einen großen Korpus indizieren.

Senden Sie keine Geheimnisse, regulierten Daten oder Kundentexte, es sei denn, Ihre Vereinbarung erlaubt eine solche Verwendung.

FAQ

Fragen zu Einbettungen.

Kann ich mehrere Texte in einer Einbettungsanfrage senden?

Ja. Das Eingabefeld akzeptiert eine nicht leere Zeichenfolge oder ein Array nicht leerer Zeichenfolgen. Die Antwort enthält einen Index für jede zurückgegebene Einbettung.

Welchen Umfang benötigt ein Einbettungsschlüssel?

Verwenden Sie einen API-Schlüssel mit dem Gültigkeitsbereich „embeddings:write“. Behalten Sie den Schlüssel serverseitig und senden Sie ihn als Bearer-Token.

Streamen Einbettungen?

Nein. Der Embeddings-Endpunkt gibt eine vollständige Listenantwort mit Daten- und Nutzungsfeldern zurück.

Wie gehe ich mit großen Indizierungsaufträgen um?

Teilen Sie die Arbeit in kleine Chargen auf, speichern Sie den Fortschritt in Ihrem eigenen System, wiederholen Sie vorübergehende Fehler mit Backoff und pausieren Sie bei Geschwindigkeitsdruck, bis sich die Kapazität ändert.

Kostenlose Tools

Validieren und schätzen Sie den Einbettungsaufwand

Validieren Sie Nutzlasten, schätzen Sie Token, modellieren Sie den Quotendruck und vergleichen Sie die Kosten, bevor Sie Produktionsdaten indizieren.

Durchsuchen Sie alle Tools

Validator anfordern

Validieren Sie Chat, Einbettungen und Bildnutzlasten JSON anhand unlimitedcodex OpenAI-kompatibler Regeln.

Token-Schätzer

Schätzen Sie das Token-Volumen anhand von Eingabeaufforderungen oder Antworttexten vor der Kontingentplanung und -einführung.

Quotenschätzer

Konvertieren Sie MAU und geben Sie Annahmen in monatliche Token, Anfragen und Kontingentschwellenwarnungen um.

Kostenrechner

Schätzen Sie die monatlichen Ausgaben von OpenAI und vergleichen Sie sie mit wöchentlichen oder monatlichen Pauschalpaketen von unlimitedcodex.

Naechster Schritt

Koppeln Sie Einbettungen mit Authentifizierung, Ratenbeschränkungen und Fehlerbehandlung.

Bevor Sie kundenbezogene Inhalte indizieren, überprüfen Sie den Schlüsselbereich, die Datenverarbeitungsregeln, das Ratenbegrenzungsverhalten und die Wiederholungsrichtlinie.

Überprüfen Sie die Authentifizierung Überprüfen Sie Bildanfragen