text-embedding-3-small
高频语义检索、分类与聚类
支持自定义维度 · ¥0.00032 / 1K Token
OpenAI compatible
用 Embeddings 连接品牌知识与营销检索
通过 /v1/embeddings 将页面、FAQ、产品资料和研究摘要转为向量，用于 RAG、语义搜索、内容聚类与分类。
curl https://api.seermartech.cn/v1/embeddings \
-H "Authorization: Bearer smt_live_YOUR_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "text-embedding-3-small",
"input": "一段 SERP 摘要、FAQ 或产品资料"
}'模型比较
按召回质量、成本与兼容需求选择
不同模型生成的向量索引不应直接混用。建立索引前先固定模型与维度策略。
text-embedding-3-large
强调召回质量的多语言检索
支持自定义维度 · ¥0.00208 / 1K Token
text-embedding-ada-002
兼容既有向量索引
固定维度 · ¥0.0016 / 1K Token
选择建议：高频新项目优先评估 text-embedding-3-small；更强调多语言召回质量时评估 3-large；已有 ada-002 索引可继续使用兼容模型，迁移时应重新生成整套向量。
工作流
从原始资料到可引用上下文
- 1
切分与清洗
按段落、主题或业务对象拆分内容，保留来源 URL、标题、时间等可追溯元数据。
- 2
生成并存储向量
批量调用 /v1/embeddings，将向量与原文、元数据一并写入你的向量存储。
- 3
检索后再生成
按用户问题检索相似片段，把命中的可验证上下文交给 Terra 或 Luna 生成回答。
营销场景
让资料真正参与检索与生产
品牌知识库
检索产品资料、品牌规范和 FAQ，为回答与内容生成提供可追溯上下文。
站内语义搜索
不依赖完全一致的关键词，按语义召回相关页面、帮助内容或案例资料。
内容聚类
按语义相似度组织关键词、SERP 摘要或文章，辅助发现重复与内容主题。
相似内容识别
比较待发布内容与既有内容的语义距离，支持编辑团队进一步判断重叠。
FAQ
向量接入常见问题
如何计费？
按请求输入的总 Token 计费。不同模型单价不同；成功调用的人民币实扣以 X-SeerMarTech-Charge-CNY 为准。
可以更换模型吗？
可以，但不同模型或维度的向量通常不能在同一索引中直接比较。更换方案时应重新生成并验证整套索引。
Embedding 会直接生成答案吗？
不会。Embedding 输出向量，用于相似度检索、聚类等；如需自然语言答案，可把检索结果作为上下文再调用 LLM。
开始构建可检索的营销知识库
注册并完成邮箱验证即可获得 ¥10 试用额度，通常数分钟可完成首次 API 调用。