OpenAI

OpenAI Embedding 模型是自然语言处理领域的核心工具，能够将文本（词、句、段落）高效地转化为高维向量（嵌入）。这些向量由高性能的预训练模型（如 text-embedding-3-large）生成，能够深度捕捉文本的语义信息，而无需用户进行额外的训练。其核心原理是将原始文本映射到一个密集的向量空间中，通过计算向量间的距离（如余弦相似度）即可方便地衡量文本间的语义相似性。该技术广泛应用于语义搜索、智能问答、文本聚类与分类、推荐系统增强以及检索增强生成（RAG）等场景。

提示

使用 OpenAI 服务需要遵循 OpenAI 的收费规则，可能产生相应费用。请在继续前，访问其官网或查阅相关文档，确认并接受其收费标准。如不同意，请勿继续操作。

依赖与鉴权

• 已安装 pyseekdb 和 openai 库。openai 是 OpenAI 官方提供的 Python SDK。

• 需要在 OpenAI Platform 注册账号并创建 API 密钥。然后将该密钥设置为环境变量，以供 OpenAIEmbeddingFunction 读取使用。

示例：创建 OpenAI Embedding Function

在代码中导入并初始化 OpenAIEmbeddingFunction。通常，API 密钥通过环境变量管理。

• 基本用法

  不指定模型名称时，默认使用 text-embedding-3-small 模型。

  from pyseekdb.utils.embedding_functions import OpenAIEmbeddingFunction
  
  # 使用默认模型 text-embedding-3-small 和默认环境变量 OPENAI_API_KEY
  ef = OpenAIEmbeddingFunction()

• 高级用法与自定义配置

  自定义 API 密钥的环境变量名称，并根据模型版本设置 dimensions、timeout 等参数。

  from pyseekdb.utils.embedding_functions import OpenAIEmbeddingFunction
  
  # 使用经济高效的模型
  ef = OpenAIEmbeddingFunction(model_name="text-embedding-3-small")
  
  # 使用高精度的模型，并配置超时与重试策略
  ef = OpenAIEmbeddingFunction(
      model_name="text-embedding-3-large",
      timeout=30,
      max_retries=3
  )
  
  # 使用动态维度的模型，并指定输出维度为 512
  ef = OpenAIEmbeddingFunction(
      model_name="text-embedding-3-small",
      dimensions=512  # Reduce from default 1536 to 512
  )

参数说明：

• model_name：OpenAI Embedding 模型名称，例如 text-embedding-3-small、text-embedding-3-large。不指定时默认为 text-embedding-3-small。
• api_key_env：API Key 所在的环境变量名，默认是 OPENAI_API_KEY。
• timeout：请求超时时间（秒），可选。
• max_retries：请求失败时的最大重试次数，可选。
• dimensions：输出向量维度（仅当模型支持动态维度时生效，如 text-embedding-3-small 可从默认 1536 调整为更小值），可选。