Embeddings

Konversi teks menjadi vektor numerik untuk pencarian semantik, RAG, clustering, atau pencocokan kesamaan.

Penggunaan Dasar

const response = await client.embeddings.create({
  model: "openai/text-embedding-3-small",
  input: "The quick brown fox",
  dimensions: 512,
});

console.log(response.data[0].embedding.length); // 512

Parameter

Parameter	Tipe	Deskripsi
model	string	Identifier model embedding
input	string | string[]	Teks untuk di-embed (tunggal atau batch)
dimensions	number	Opsional: kurangi ukuran vektor
encoding_format	'float' | 'base64'	Format output

Batch Embeddings

const response = await client.embeddings.create({
  model: "openai/text-embedding-3-small",
  input: [
    "Dokumen pertama",
    "Dokumen kedua",
    "Dokumen ketiga",
  ],
});

// response.data[0].embedding -> vektor untuk "Dokumen pertama"
// response.data[1].embedding -> vektor untuk "Dokumen kedua"

Kasus Penggunaan

• Pencarian semantik — Temukan dokumen yang mirip dengan kueri
• RAG — Ambil konteks relevan untuk prompt LLM
• Clustering — Kelompokkan teks yang mirip
• Rekomendasi — Temukan item yang serupa