Clasa OpenAIEmbedding: Modelele text-embedding-3 în LlamaIndex în LlamaIndex & Data RAG

Generarea vectorilor denși de reprezentare semantică pentru indexare și căutare RAG.

Sintaxă & invocare Python
from llama_index.embeddings.openai import OpenAIEmbedding
embed_model = OpenAIEmbedding(model='text-embedding-3-small')

Clasa OpenAIEmbedding oferă interfața de vectorizare bazată pe modelele OpenAI text-embedding-3-small (1536 dimensiuni) și text-embedding-3-large (3072 dimensiuni), suportând trunchierea flexibilă a dimensiunilor prin parametrul dimensions.

Exemplu de configurare globală

from llama_index.embeddings.openai import OpenAIEmbedding
from llama_index.core import Settings

Settings.embed_model = OpenAIEmbedding(
    model="text-embedding-3-small",
    dimensions=512  # reducere dimensională pentru economie de spațiu
)

Gestionează automat fragmentarea pe loturi (batching) pentru a respecta limitele de rată ale API-ului.

Învață AI • Comunitate & Q&A

Întrebări & Exemple practice: Clasa OpenAIEmbedding: Modelele text-embedding-3 în LlamaIndex

Ai o întrebare despre Clasa OpenAIEmbedding: Modelele text-embedding-3 în LlamaIndex sau ai descoperit un truc, prompt sau fragment de cod util? Distribuie-l cu ceilalți membri ai comunității!

🤖

Fii primul care pune o întrebare sau distribuie un fragment de cod / prompt!

Nu au fost adăugate încă întrebări sau resurse pentru această pagină. Dacă ai testat un prompt sau ai un snippet util, adaugă-l mai jos pentru comunitate.

Comunitate AI Adaugă o întrebare sau distribuie un cod / prompt

Moderare & Siguranță:

Pentru a menține calitatea și securitatea informațiilor, fiecare întrebare sau fragment de cod/prompt este analizat (manual sau prin moderare asistată de AI) înainte de publicare.