---
title: 文本嵌入接口 (Embeddings)
description: 使用 OpenAI 或 Azure 兼容路径生成文本向量，用于语义搜索、知识库与 RAG。
lastUpdated: 2026-08-04
---

用于将文本段落转化为多维数值向量。常用于企业私有知识库构建、语义相似度搜索以及 RAG（检索增强生成）场景。

> **通用端点：** `POST /v1/embeddings`
> **Azure 兼容端点：** `POST /v1/engines/{model}/embeddings`
> **身份认证：** `Authorization: Bearer 您的API_KEY`

## 核心参数说明表

| 参数名称 | 是否必填 | 参数说明 |
| :--- | :--- | :--- |
| **model** | **必填** | 嵌入模型 ID，例如 `text-embedding-v4`。请以模型广场当前列表为准。 |
| **input** | **必填** | 要转换的文本。可以传入单个字符串或字符串数组，具体批量上限由所选模型决定。 |
| **encoding_format** | 选填 | 返回向量数据的格式，默认为 `float`（浮点数数组），也可选择 `base64`。 |
| **dimensions** | 选填 | 指定输出向量的维度（仅限支持调整维度的模型生效）。 |

需要把文档切片、向量存储、候选召回与重排串成完整流程时，继续阅读 [RAG 检索接入：Embeddings 与 Rerank](/integration-guides/rag-retrieval-quickstart)。