本文介绍如何通过将文本转换为向量，并入库至向量检索服务DashVector中进行向量检索。
，通过灵活、易用的模型API服务，让各种模态模型的能力，都能方便的为AI开发者所用。通过灵积API，开发者不仅可以直接集成大模型的强大能力，也可以对模型进行训练微调，实现模型定制化。
前提条件
-
DashVector：
-
已创建Cluster：
-
已获得API-KEY：
-
已安装最新版SDK：
-
-
DashScope：
-
已开通服务并获得API-KEY：
-
已安装最新版SDK：
-
通用文本向量
简介
，是通义实验室基于LLM底座的多语言文本统一向量模型，面向全球多个主流语种，提供高水准的向量服务，帮助开发者将文本数据快速转换为高质量的向量数据。
|
模型名称 |
向量维度 |
度量方式 |
向量数据类型 |
备注 |
|
text-embedding-v1 |
1536 |
Cosine |
Float32 |
|
|
text-embedding-v2 |
1536 |
Cosine |
Float32 |
|
说明
关于灵积通用文本向量更多信息请参考：。
使用示例
说明
需要进行如下替换代码才能正常运行：
-
DashVector api-key替换示例中的{your-dashvector-api-key}
-
DashVector Cluster Endpoint替换示例中的{your-dashvector-cluster-endpoint}
-
DashScope api-key替换示例中的{your-dashscope-api-key}
Python示例：
import dashscope
from dashscope import TextEmbedding
from dashvector import Client
from typing import List, Uniondashscope.api_key = '{your-dashscope-api-key}'# 调用DashScope通用文本向量模型，将文本embedding为向量
def generate_embeddings(texts: Union[List[str], str], text_type: str = 'document'):rsp = TextEmbedding.call(model=TextEmbedding.Models.text_embedding_v2,input=texts,text_type=text_type)embeddings = [record['embedding'] for record in rsp.output['embeddings']]return embeddings if isinstance(texts, list) else embeddings[0]# 创建DashVector Client
client = Client(api_key='{your-dashvector-api-key}',endpoint='{your-dashvector-cluster-endpoint}'
)# 创建DashVector Collection
rsp = client.create('dashscope-text-embedding', 1536)
assert rsp
collection = client.get('dashscope-text-embedding')
assert collection# 向量入库DashVector
collection.insert(('ID1', generate_embeddings('阿里云向量检索服务DashVector是性能、性价比具佳的向量数据库之一'))
)# 向量检索
docs = collection.query(generate_embeddings('The best vector database', 'query')
)
print(docs)
相关最佳实践
ONE-PEACE多模态向量表征
是一个图文音三模态通用表征模型，同样可通过ONE-PEAC将文本转换为向量。
详情参考：。
免费体验阿里云高性能：
