Embeddings

Cuándo usarlo

Usa embeddings para convertir texto en vectores y construir búsqueda semántica, recomendaciones, detección de similitud o sistemas RAG sobre documentos propios.

Modelo y endpoint

Ejemplo con curl

curl https://inference.devexpert.io/v1/embeddings \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $DEVEXPERT_API_KEY" \
  -d '{
    "model": "embedding",
    "input": "DevExpert Inference permite usar modelos con una API compatible con OpenAI."
  }'

Ejemplo en TypeScript

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.DEVEXPERT_API_KEY,
  baseURL: "https://inference.devexpert.io/v1",
});

const response = await client.embeddings.create({
  model: "embedding",
  input: "Texto que quieres convertir en vector.",
});

const vector = response.data[0].embedding;
console.log(vector.length, vector.slice(0, 5));

Ejemplo en Python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["DEVEXPERT_API_KEY"],
    base_url="https://inference.devexpert.io/v1",
)

response = client.embeddings.create(
    model="embedding",
    input="Texto que quieres convertir en vector.",
)

vector = response.data[0].embedding
print(len(vector), vector[:5])

Errores habituales

• Guardar el vector como texto sin serializarlo correctamente.
• Comparar embeddings de modelos distintos entre sí.
• Enviar documentos enormes sin dividirlos antes en fragmentos.