---
title: "创建嵌入向量"
date: 2026-01-30
lastmod: 2026-01-30
description: "说明 Easysearch 中创建嵌入向量相关 API 的情况。"
tags: ["AI", "嵌入向量", "API说明"]
summary: "API 状态说明 #  重要提示：POST /_ai/embeddings API 在 Easysearch 中已废弃，调用此 API 会返回 HTTP 410 (Gone) 状态码。
废弃的 API #  POST /_ai/embed POST /_ai/embed/{model} 响应状态 #  调用已废弃的端点时会返回：
 状态码：410 Gone 错误信息：“Deprecated and no longer supported”  推荐的替代方案 #  虽然 REST 端点已被废弃，但嵌入功能仍然可以通过以下方式使用：
1. 摄入管道 + TextEmbedding 处理器 #  在创建索引时通过摄入管道自动生成嵌入向量：
PUT /_ingest/pipeline/my-pipeline { "processors": [ { "text_embedding": { "model": "text-embedding-ada-002", "text_field": "content", "vector_field": "content_embedding", "url": "http://localhost:11434/api/embeddings", "vendor": "ollama" } } ] } 2."
---


## API 状态说明

**重要提示**：`POST /_ai/embeddings` API 在 Easysearch 中**已废弃**，调用此 API 会返回 HTTP 410 (Gone) 状态码。

## 废弃的 API

```
POST /_ai/embed
POST /_ai/embed/{model}
```

### 响应状态

调用已废弃的端点时会返回：

- **状态码**：410 Gone
- **错误信息**："Deprecated and no longer supported"

## 推荐的替代方案

虽然 REST 端点已被废弃，但嵌入功能仍然可以通过以下方式使用：

### 1. 摄入管道 + TextEmbedding 处理器

在创建索引时通过摄入管道自动生成嵌入向量：

```json
PUT /_ingest/pipeline/my-pipeline
{
  "processors": [
    {
      "text_embedding": {
        "model": "text-embedding-ada-002",
        "text_field": "content",
        "vector_field": "content_embedding",
        "url": "http://localhost:11434/api/embeddings",
        "vendor": "ollama"
      }
    }
  ]
}
```

### 2. 搜索管道 + 语义查询

在搜索时使用语义查询处理器：

```json
PUT /_search/pipeline/semantic-search
{
  "request_processors": [
    {
      "semantic_query_enricher": {
        "model_name": "text-embedding-ada-002",
        "text_field": "query_text",
        "embedding_field": "content_embedding"
      }
    }
  ]
}
```

### 3. Action API

使用内部的 `cluster:admin/ai/embed` action。

## 废弃 API 的参数说明

虽然 API 已废弃，以下是原始参数说明：

### 路由参数

| 参数 | 类型 | 是否必需 | 描述 |
|------|------|----------|------|
| `model` | string | 可选 | 要使用的 AI 模型名称 |

### 请求体参数

| 参数 | 类型 | 是否必需 | 描述 |
|------|------|----------|------|
| `model` | string | 必需 | AI 模型名称 |
| `input` | array | 必需 | 需要生成嵌入向量的文本数组 |
| `url` | string | 必需 | 外部 AI 服务的 URL 地址 |
| `vendor` | string | 必需 | AI 服务提供商<br>`openai`：OpenAI<br>`ollama`：Ollama 或兼容服务 |
| `dimensions` | integer | 可选 | 输出向量的维度 |
| `api_key` | string | 条件必需 | OpenAI 的 API 密钥 |

## 已废弃的请求示例

```json
POST /_ai/embed
{
  "model": "text-embedding-3-large",
  "input": ["Hello world", "How are you?"],
  "dimensions": 1536,
  "url": "https://api.openai.com/v1/embeddings",
  "vendor": "openai",
  "api_key": "sk-..."
}
```

## 响应示例（已废弃）

```json
{
  "data": [
    {
      "index": 0,
      "embedding": [0.1, -0.2, 0.3, ...]
    }
  ],
  "model": "text-embedding-3-large",
  "usage": {
    "prompt_tokens": 24,
    "total_tokens": 24
  }
}
```

## 迁移指南

如果您之前使用过 `POST /_ai/embed` API，请按以下方式迁移：

### 原方式（已废弃）

```json
POST /_ai/embed
{
  "input": ["Hello world"],
  "model": "text-embedding-ada-002"
}
```

### 新方式（推荐）

```json
# 创建包含嵌入处理的文档
POST /my-index/_doc?pipeline=my-pipeline
{
  "content": "Hello world"
}
```

## 支持的模型

根据文档，Easysearch 支持的嵌入模型包括：

- **nomic-embed-text**：文本嵌入模型
- **text-embedding-ada-002**：OpenAI 嵌入模型
- **其他 Ollama 兼容模型**

## 注意事项

1. 该 API 已完全废弃，不再支持
2. 建议使用摄入管道实现自动嵌入
3. 搜索管道提供更灵活的语义搜索功能
4. 配置外部 AI 服务时确保网络连通性

## 相关文档

- [创建或更新摄入管道](./create-or-update-ingest-pipeline.md)
- [创建搜索管道](./create-search-pipeline.md)
- [SQL查询](./sql-query.md)