Ir para o conteúdo

Embeddings

Converta textos em vetores para busca semântica, recomendações, agrupamento e RAG.

Atualizado em 09 de ago. de 2026

Embeddings são representações numéricas de texto. Entradas semanticamente relacionadas tendem a produzir vetores próximos, o que permite busca semântica, recomendações, agrupamento, detecção de duplicidade e recuperação de contexto para RAG.

Escolha um modelo de embeddings

A disponibilidade depende da sua conta. Consulte GET https://api.hinow.ai/v1/models e escolha um item cujo endpoint seja /v1/embeddings. Use o id retornado no campo model; não reutilize automaticamente um modelo de Chat Completions.

POSThttps://api.hinow.ai/v1/embeddingsBearer

Converte texto em vetores, para busca semântica e agrupamento.

Parâmetros

  • modelstring· bodyobrigatório

    Id de um modelo cujo endpoint seja `/v1/embeddings`.

  • inputstring | string[]· bodyobrigatório

    Texto ou lista de textos que serão convertidos em vetores.

Respostas

200Lista de vetores na mesma ordem do `input`
{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "index": 0,
      "embedding": [0.0123, -0.0042, 0.0311, "..."]
    }
  ],
  "usage": { "prompt_tokens": 8, "total_tokens": 8 }
}

Criar um embedding

curl https://api.hinow.ai/v1/embeddings \
  -H "Authorization: Bearer $HINOW_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "SEU_MODELO_DE_EMBEDDINGS",
    "input": [
      "Como redefinir minha senha?",
      "Não consigo acessar minha conta"
    ]
  }'

Envie lotes quando possível

O input aceita uma lista e a resposta preserva a ordem por meio de index. Lotes reduzem requisições de rede; respeite os limites de entrada e tamanho publicados para o modelo escolhido.

Boas práticas

  • Use o mesmo modelo para indexar documentos e consultar o índice.
  • Armazene o identificador e a dimensão do embedding junto do índice para evitar misturar vetores incompatíveis.
  • Divida documentos em trechos que preservem uma unidade de significado e mantenha metadados da fonte.
  • Avalie a recuperação com perguntas reais, medindo se os trechos relevantes aparecem entre os primeiros resultados.
Esta página foi útil?