AIAI工具导航
首页|全部工具对比工作流博客使用指南AI 生态提交工具|

AI工具导航

发现最适合你的AI智能工具

浏览

  • 全部工具
  • 榜单
  • 最新上线
  • 对比

社区

  • 提示词分享
  • 社区讨论
  • 工作流
  • 站点动态

资源

  • 博客
  • 使用指南
  • AI 生态
  • 价格对比

关于

  • 提交工具
  • 数据统计
  • 站点状态
  • API 文档

订阅周刊

© 2026 AI工具导航. 保留所有权利.
首页搜索榜单工作流
首页/模型部署/Embedding 模型
🔢

Embedding 模型 部署教程

多家厂商

文本向量化模型合集 — BGE/M3E/Cohere/OpenAI,RAG 系统基石。

RAG向量Embedding
难度
简单
耗时
15 分钟
平台
本地 (sentence-transformers)
硬件
BGE-M3: 4GB VRAM / Cohere API: 无需 GPU

✨ 核心亮点

RAG 核心组件 BGE-M3 中文最佳 Cohere 多语言 Jina AI v3
1

BGE-M3 本地部署 (中文推荐)

  1. pip install sentence-transformers
  2. from sentence_transformers import SentenceTransformer
  3. model = SentenceTransformer('BAAI/bge-m3')
  4. embeddings = model.encode(['文本1', '文本2'], normalize_embeddings=True)
  5. 支持中英多语言,8192 token 输入
2

Jina Embeddings v3 (云端+本地)

  1. API: curl https://api.jina.ai/v1/embeddings -H 'Authorization: Bearer TOKEN'
  2. 本地: pip install transformers; model = AutoModel.from_pretrained('jinaai/jina-embeddings-v3')
  3. 支持 8192 token 长文本,30+ 语言
3

OpenAI Embeddings API

  1. from openai import OpenAI; client = OpenAI(api_key='...')
  2. resp = client.embeddings.create(model='text-embedding-3-large', input=['text'])
  3. text-embedding-3-small: $0.02/1M tokens, large: $0.13/1M tokens
返回全部部署教程