Fireworks AI 嵌入模型

密钥仅在浏览器端存储，易源不做转发

输入参数

要使用的模型名称

需要生成嵌入向量的输入文本

生成的输出嵌入应具有的维度数（仅支持nomic-ai/nomic-embed-text-v1.5及更高版本）

嵌入结果

功能示例

客户咨询问题相似度判断

输入：

  • 文本1："我的订单什么时候发货？"
  • 文本2："请问我的包裹物流到哪了？"
  • 模型选择：nomic-ai/nomic-embed-text-v1.5
  • 输出维度：1024

输出：

  • 文本相似度分数：0.87（高度相似）
  • 业务结论：判定为同类物流查询问题，可自动归类至"物流咨询"工单组

产品评论情感倾向分析

输入：

  • 评论内容："这款扫地机器人太好用了！吸力强，角落灰尘都能吸干净，续航也够一整天。"
  • 模型选择：nomic-ai/nomic-embed-text-v1.5
  • 输出维度：512

输出：

  • 情感倾向：正面（积极）
  • 情感强度：93分（满分100分）
  • 核心好评点：吸力效果（0.95）、续航能力（0.92）

新闻文章主题分类

输入：

  • 文章摘要："全球首个AI驱动的自动驾驶公交车在深圳试运行，采用激光雷达+视觉融合技术，可应对复杂路况。"
  • 模型选择：nomic-ai/nomic-embed-text-v1.5
  • 输出维度：768

输出：

  • 主题分类标签：科技-自动驾驶
  • 领域关联度：人工智能（0.94）、交通出行（0.89）
  • 关键技术关键词：激光雷达、视觉融合、复杂路况

客户反馈聚类分析

输入：

  • 反馈列表：["APP首页加载慢", "购物车结算卡顿", "商品详情页打不开", "支付后跳转失败"]
  • 模型选择：nomic-ai/nomic-embed-text-v1.5
  • 输出维度：2048

输出：

  • 聚类类别：应用性能问题（包含4条反馈）
  • 核心问题描述：页面加载与交互异常（出现频率100%）
  • 建议优化方向：提升前端加载速度与支付流程稳定性

使用场景

智能客服系统

自动识别客户咨询意图，实现问题分类和相似问题匹配，提高客服响应效率

用户评论分析

对产品评论进行情感分析和关键词提取，快速了解用户反馈和产品改进方向

内容分类与推荐

自动对文章、新闻等内容进行主题分类，实现个性化内容推荐和智能检索

用户画像构建

分析用户行为和偏好，构建精准用户画像，支持精细化运营和个性化服务

异常检测

识别异常交易、欺诈行为或系统故障，提高风险控制能力和系统稳定性

教育内容匹配

根据学生问题和学习内容生成匹配的教学资源，实现个性化学习体验

价格信息

价格由API服务商设定，具体定价方案和计费标准请参考官方文档。

查看官方定价

常见问题

什么是嵌入向量？

嵌入向量是将文本、图像等非结构化数据转换为数值向量的表示形式。这种向量能够捕捉原始数据的语义信息，使计算机能够理解和比较不同数据之间的相似性和关联性。

如何选择合适的模型和维度？

模型选择取决于您的具体需求：nomic-ai/nomic-embed-text-v1.5适用于通用文本嵌入任务。维度越高，向量包含的信息越丰富，但计算成本和存储需求也越大。一般建议从768或1024维度开始尝试，根据效果和性能需求调整。

API调用有什么限制？

具体调用限制请参考Fireworks AI官方文档。通常包括每分钟请求数、单次请求文本长度、每日调用总量等限制。商业用途可能需要联系服务商获取更高配额。

如何衡量嵌入向量的质量？

嵌入向量质量可以通过下游任务性能（如分类准确率、聚类效果）或相似性分数来评估。对于文本相似性任务，可以计算余弦相似度来判断向量是否准确捕捉了语义关系。

是否支持批量处理多个文本？

是的，该API支持批量处理多个文本。您可以在一个请求中提交多个文本，API将返回对应数量的嵌入向量，这有助于提高处理效率并降低调用成本。