学会调用Qwen3.7-通用文本向量

同步接口API详情:https://docs.bailian.console.aliyun.com/zh/model-studio/text-embedding-synchronous-api

通用文本向量模型可将文本数据转换为数值向量,用于语义搜索、推荐、聚类、分类等下游任务。

使用HTTP方式调用

python 复制代码
import os
import requests

# 这是阿里云百炼自己的API_KEY
API_KEY = os.getenv("LLM_API_KEY", "sk-ws-123")
BASE_URL = os.getenv("LLM_BASE_URL", "https://ws-xx1mzo92ahymdx3q.cn-beijing.maas.aliyuncs.com/compatible-mode/v1/embeddings").rstrip("/")
MODEL = os.getenv("LLM_MODEL", "qwen3.7-text-embedding")

headers = {
    "Content-Type": "application/json",
}

# 本地模型没有 key 时可以不传 Authorization
if API_KEY:
    headers["Authorization"] = f"Bearer {API_KEY}"

payload = {
    "model": MODEL,
    "input": "你好,简单介绍一下你自己",
}

try:
    resp = requests.post(
        BASE_URL,
        headers=headers,
        json=payload,
        timeout=60,
    )
    resp.raise_for_status()
    data = resp.json()

    print(data["data"][0]["embedding"])

except requests.RequestException as e:
    print("请求失败:", e)
    if "resp" in locals():
        print("状态码:", resp.status_code)
        print("响应内容:", resp.text)

使用SDK调用

python 复制代码
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),  # 如果您没有配置环境变量,请在此处用您的API Key进行替换
    # 以下为华北2(北京)地域的URL,调用时请将{WorkspaceId}替换为真实的业务空间ID,各地域的URL不同。
    base_url="https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1"
)

completion = client.embeddings.create(
    model="qwen3.7-text-embedding",
    input='衣服的质量杠杠的,很漂亮,不枉我等了这么久啊,喜欢,以后还来这里买',
    dimensions=1024, # 指定向量维度(仅 qwen3.7-text-embedding、text-embedding-v3及 text-embedding-v4支持该参数)
    encoding_format="float"
)

print(completion.model_dump_json())
相关推荐
第九序言T10 小时前
Python 数据处理进阶(十八)批量处理同结构文件:一个文件夹一次跑完
开发语言·python·自动化·pandas·数据处理
Java后端的Ai之路10 小时前
CAS并发控制-从CPU指令到企业级乐观锁
vue.js·人工智能·python·cas·乐观锁
qq_4260039610 小时前
UI自动化高频次登录login限流解决方案
python·ui·自动化
Sakura_j_h_10 小时前
EasyEDA PCB 快速设计Skills
c++·python·github
quantdash_cc11 小时前
如何验证历史行情的交易日期是否完整覆盖研究区间?
python·数据分析·pandas·量化交易·股票数据·quantdash
I Am a robert girl11 小时前
当智能体学会“串通”:从长程交互中读懂涌现式合谋
python·多智能体系统·多智能体协作·llm agent·涌现式合谋·对齐问题·激励机制设计
云和数据.ChenGuang12 小时前
光哥说Python RAG 系统需要哪些评估指标:从检索到生成的全链路评测指南
网络·人工智能·python·算法·langchain
专注仿真12 小时前
线性回归和逻辑回归算法详解
开发语言·人工智能·python·大模型训练·控制算法
wflynn13 小时前
GitHub 今日推荐|Edge0:让大号 MoE 模型在一台 Mac 上流式跑起来
python·开源·github