OpenAI · Texte

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 $0.02 / 1M de tokens Usage commercial pris en charge
Obtenir une clé API Voir la documentation de Hermes Agent

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
$0.13 / 1M de tokens Détail du modèle
text-embedding-3-small
/v1/embeddings
$0.02 / 1M de tokens Détail du modèle
text-embedding-ada-002
/v1/embeddings
$0.10 / 1M de tokens 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

  • Résultats structurés pour votre code

    Obtenez une sortie lisible par machine plutôt que du texte de chat, afin que votre application puisse la stocker, la comparer ou agir dessus directement.

  • Enrichir vos propres données

    Faites passer des documents, des images ou des enregistrements par le modèle et conservez les résultats à côté des données sources pour les étapes suivantes.

  • Traitement à grand volume

    Envoyez de grands lots d'entrées avec la même clé RunAPI et récupérez les résultats par programme.

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.

  • Réponses directes

    Les appels synchrones renvoient le résultat dans la même réponse : votre agent peut l'utiliser immédiatement, sans interroger l'état d'une tâche.

Questions sur Hermes Agent + Embedding

Quel modèle d'embedding dois-je utiliser ?

Utilisez text-embedding-3-small pour la récupération efficace en production et text-embedding-3-large quand la qualité du rappel compte plus que la taille des vecteurs.

Puis-je raccourcir le vecteur d'embedding ?

Oui — passez le paramètre dimensions avec text-embedding-3-large ou text-embedding-3-small quand vous avez besoin de vecteurs plus petits.

L'endpoint retourne-t-il la forme de réponse OpenAI standard ?

Oui — /v1/embeddings retourne une réponse liste compatible OpenAI avec les données d'embedding, le modèle et l'usage.

Les modèles d'embedding peuvent-ils être utilisés avec Chat Completions ou Responses ?

Non — les modèles d'embedding ne sont disponibles que sur /v1/embeddings.

Quelles entrées sont supportées ?

Utilisez une chaîne, un tableau de chaînes ou des tableaux de tokens suivant le format de l'API OpenAI Embeddings.

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

Obtenir une clé API Lire le guide de démarrage rapide

Vous construisez avec une équipe ?

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

Nous contacter