Skip to main content
当你的应用需要用于语义搜索、聚类、推荐或检索的向量时,请使用 CometAPI 嵌入。将文本发送到 /v1/embeddings,存储返回的向量,并使用你的向量数据库对其进行搜索。

创建嵌入

Models pagemodel directory 中选择支持嵌入的 model ID。下面的示例调用的是与 OpenAI 兼容的嵌入 API。
这些示例使用占位符 your-embedding-model-id。在运行请求之前,请将其替换为 Models pagemodel directory 中可用的嵌入 model ID。
打开 Create embeddings 以使用 playground 和端点架构。

响应示例

成功响应可能如下所示。响应会为每个输入项包含一个向量;为便于阅读,下面的向量已被缩短:

批量输入

当你希望通过一次请求获取多个向量时,请发送一个字符串数组:
cURL

示例模型记录

这个示例模型目录响应展示了 /api/models 的响应封装以及一种 OpenAI 兼容的嵌入模型记录结构。部分嵌入记录会使用空的 model_type;请选择支持嵌入的模型 ID 和端点,而不要仅依赖该字段。
cURL

常见错误

在创建嵌入之前,先将长文档拆分成多个块。
从模型目录中选择支持嵌入的模型。
对同一个向量索引,保持使用相同的模型和维度。
发送 Authorization: Bearer $COMETAPI_KEY

错误代码和重试策略

在修复输入、model ID 或 dimensions 设置之前,不要重试。
在 API key 已提供且有效之前,不要重试。
重试前请检查 base URL、路径和 model ID。
使用指数退避进行重试,并减少批量大小或并发数。
对于临时性的提供方或服务错误,使用退避策略重试。
有关实现模式,请参阅错误代码和重试策略速率限制与并发

定价和模型目录

Models page

了解 CometAPI 如何在文档中公开 model ID。

Model directory

浏览模型可用性和能力。

Pricing

在调用模型之前查看定价。
最后修改于 2026年6月23日