本文介绍如何通过[Jina Embeddings v2模型](https://jina.ai/embeddings/)将 **文本转换为向量** ，并入库至向量检索服务DashVector中进行向量检索。
前提条件
---------------------
* DashVector：
* 已创建Cluster
* 已获得API-KEY
* 已安装最新版SDK
* Jina AI
* 已获得API密钥：[Jina Embeddings v2模型](https://jina.ai/embeddings/)
**Jina Embeddings v2模型**
-----------------------------------------
### **简介**
Jina Embeddings v2模型，唯一支持 8192 个词元长度的开源向量模型，在大规模文本向量化基准 (MTEB) 的功能和性能方面与 OpenAI 的闭源模型 text-embedding-ada-002 相当。
**说明**
关于Jina Embeddings v2模型更多信息请参考：[Jina Embeddings v2模型](https://jina.ai/embeddings/)
### **使用示例**
**说明**
需要进行如下替换代码才能正常运行：
1. DashVector api-key替换示例中的{your-dashvector-api-key}
2. DashVector Cluster Endpoint替换示例中的{your-dashvector-cluster-endpoint}
3. Jina AI api-key替换示例中的{your-jina-api-key}
Python
```python
from dashvector import Client
import requests
from typing import List
# 调用Jina Embeddings v2模型，将文本embedding为向量
def generate_embeddings(texts: List[str]):
headers = {
'Content-Type': 'application/json',
'Authorization': 'Bearer {your-jina-api-key}'
}
data = {'input': texts, 'model': 'jina-embeddings-v2-base-zh'}
response = requests.post('https://api.jina.ai/v1/embeddings', headers=headers, json=data)
return [record["embedding"] for record in response.json()["data"]]
# 创建DashVector Client
client = Client(
api_key='{your-dashvector-api-key}',
endpoint='{your-dashvector-cluster-endpoint}'
)
# 创建DashVector Collection
rsp = client.create('jina-text-embedding', 768)
assert rsp
collection = client.get('jina-text-embedding')
assert collection
# 向量入库DashVector
collection.insert(
('ID1', generate_embeddings(['阿里云向量检索服务DashVector是性能、性价比具佳的向量数据库之一'])[0])
)
# 向量检索
docs = collection.query(
generate_embeddings(['The best vector database'])[0]
)
print(docs)
```
有疑问加站长微信联系（非本文作者））
