It looks like you may prefer a different language. Switch anytime.

OpenAI · Text

Hermes Agent x Embedding

Les modèles Embedding d'OpenAI exposent l'API OpenAI Embeddings standard via RunAPI, afin que les pipelines de recherche vectorielle et RAG puissent utiliser la même clé RunAPI que le trafic GPT chat et Responses.

3 variants à partir de $0.0000 Usage commercial pris en charge

Prerequisite: npx runapi mcp install

Prompt

Modèles de prompt

Utilisez text-embedding-3-large lorsqu'il correspond à la tâche : Vecteurs texte haute capacité pour la qualité de récupération et de ranking.

You have access to RunAPI task tools for Embedding.

Available Embedding models:
- text-embedding-3-large: Vecteurs texte haute capacité pour la qualité de récupération et de ranking
  endpoints: /v1/embeddings
  request fields: model, input
- text-embedding-3-small: Vecteurs texte efficaces pour la recherche sémantique en production
  endpoints: /v1/embeddings
  request fields: model, input
- text-embedding-ada-002: Embeddings texte largement supportés pour les pipelines existants
  endpoints: /v1/embeddings
  request fields: model, input

Use the model ID and endpoint that match the user's request.
Example prompt: Créez des embeddings pour ces articles de support et une requête client afin que je puisse classer les correspondances les plus proches.
/v1/embeddings: Submit the request and verify the synchronous output. Envoyez POST à /v1/embeddings. Vérifiez que la réponse contient un vecteur embedding numérique.

Versions et endpoints publics

ID du modèle Endpoints Prix de départ Catalogue
text-embedding-3-large
/v1/embeddings
$0.0000 Détail du modèle
text-embedding-3-small
/v1/embeddings
$0.0000 Détail du modèle
text-embedding-ada-002
/v1/embeddings
$0.0000 Détail du modèle

Vérification

Interrogez jusqu’à ce que la tâche atteigne un état final

Sélectionnez <model-id> pour générer les commandes de vérification.

Configuration

Endpoint du guide: <endpoint>

Sélectionnez <model-id> pour générer une requête conforme au contrat d’entrée public de l’endpoint.
Fonctionnement

Démarrer en 3 étapes

  1. Choisir un ID de modèle

    Sélectionnez un ID public du catalogue et consultez son endpoint et son prix de départ actuel.

  2. Configurer RunAPI

    Définissez RUNAPI_API_KEY avant d’envoyer la requête à l’endpoint.

  3. Vérifier le résultat

    Pour les endpoints asynchrones, interrogez le même endpoint jusqu’à ce que la Task atteigne un état final.

Ce que vous pouvez créer avec Hermes Agent + Embedding

  • Vidéos de démonstration produit

    Générez des animations produit de 5 à 10 secondes à partir de descriptions textuelles, idéales pour l'e-commerce et les publicités sociales.

  • Contenu avec avatars IA

    Créez des vidéos d'avatars parlants avec synchronisation labiale pour la formation, le support client et le marketing.

  • Production vidéo par lots

    Mettez en file d'attente des centaines de générations vidéo et recevez les résultats via webhook.

Pourquoi utiliser Embedding avec RunAPI + Hermes Agent

  • 3 variantes, une clé API

    Utilisez une seule connexion RunAPI pour choisir parmi les variantes de modèle disponibles sans modifier votre intégration.

  • Des tarifs d'utilisation clairs

    Consultez les tarifs actuels du catalogue avant d'envoyer une requête, sans abonnement ni dépense minimale.

  • Flux de tâches automatiques

    Envoyez, interrogez et récupérez les résultats asynchrones avec un flux de tâches uniforme, sans code d'interrogation manuel.

Questions sur Hermes Agent + Embedding

Quel ID de modèle utiliser ?

Choisissez un ID public dans le tableau des versions. Chaque ID expose les endpoints affichés sur sa ligne.

Ce guide configure-t-il un modèle de chat ?

Non. Cette ligne de modèles utilise le parcours d’endpoint présenté ici et n’est pas décrite comme un modèle de chat de l’agent.

Commencer à utiliser Embedding avec Hermes Agent

Vous construisez avec une équipe ?

Nous vous aidons pour la mise en place entreprise, les intégrations et les questions techniques.

Nous contacter