AI Agents · Ders

text-embedding-3 ile Gömüntü Üretme

Dizeleri 1536 veya 3072 boyutlu vektörlere dönüştürmek için OpenAI text-embedding-3-small/large kullanın.

text-embedding-3 ile Gömüntü Üretme, CoddyKit'te ücretsiz bir AI Agents dersidir. Bu, 4 dersinin 2. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, AI Agents öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. AI Agents kursu toplamda 4 dersten oluşur.

OpenAI Gömme Modelleri

OpenAI, üretim amaçlı iki gömme modeli sunar:

text-embedding-3-small — 1536 boyut, ucuz, hızlı
text-embedding-3-large — 3072 boyut, daha iyi kalite, daha yavaş

Çoğu durumda small modelini kullanın; large modelini yalnızca kalite maliyetten daha önemli olduğunda kullanın.

İlk Gömmeniz

Tek satır SDK kodu:

from openai import OpenAI
client = OpenAI()

resp = client.embeddings.create(
    model='text-embedding-3-small',
    input='Hello, world!'
)
vector = resp.data[0].embedding
print(len(vector))      # 1536

Toplu Gömme

API listeleri destekler; bu, her seferinde tek çağrı yapmaktan çok daha hızlıdır:

texts = ['cat', 'dog', 'pizza', 'sushi']
resp = client.embeddings.create(
    model='text-embedding-3-small',
    input=texts
)
vectors = [d.embedding for d in resp.data]
# vectors[0] is for 'cat', vectors[1] for 'dog', etc.

Belirteç Sınırları

Her girişin bir maksimum belirteç sınırı vardır (text-embedding-3 için 8192). Uzun belgeler önce parçalara ayrılmalıdır.

Boyutları Azaltma

Daha az boyut isteyebilirsiniz (Matryoshka gömmeleri); bu, depolama için kullanışlıdır:

resp = client.embeddings.create(
    model='text-embedding-3-large',
    input='Hello',
    dimensions=512    # default would be 3072
)

Maliyet

Bu içerik yazılırken:

text-embedding-3-small: 1 milyon belirteç başına 0,02 $
text-embedding-3-large: 1 milyon belirteç başına 0,13 $

1 milyon sözcüğün küçük modelle vektör gösterimini oluşturmak yaklaşık 0,025 $ tutar; neredeyse ücretsizdir.

Bir Kez Vektörleştirin, Sonsuza Dek Yeniden Kullanın

Gömmeler yeniden vektörleştirdiğinizde değişmez; onları bir kez hesaplayıp saklayabilirsiniz. Önbelleğe alma, her üretim sistemi için zorunludur.

Vektörleri Normalleştirme

OpenAI gömmeleri zaten L2 ile normalleştirilmiştir (uzunluk = 1). Bu, kosinüs benzerliğinin noktasal çarpıma eşit olduğu ve hesaplama tasarrufu sağladığı anlamına gelir:

import numpy as np
a = np.array(vec_a)
b = np.array(vec_b)
sim = np.dot(a, b)     # since |a| = |b| = 1

Eşzamansız Gömme

Yüksek aktarım hızı için eşzamansız istemciyi kullanın:

from openai import AsyncOpenAI
import asyncio

client = AsyncOpenAI()

async def embed_batch(texts):
    resp = await client.embeddings.create(
        model='text-embedding-3-small',
        input=texts
    )
    return [d.embedding for d in resp.data]

vectors = asyncio.run(embed_batch(['a', 'b', 'c']))

Hata Durumunda Yeniden Deneme

Gömme çağrıları da her HTTP çağrısı gibi başarısız olabilir. Beklemeli yeniden denemeyle sarmalayın:

from tenacity import retry, wait_exponential, stop_after_attempt

@retry(wait=wait_exponential(multiplier=1, max=10), stop=stop_after_attempt(5))
def safe_embed(text):
    return client.embeddings.create(model='text-embedding-3-small', input=text)

Gömmeleri Saklama

Yaygın üç depolama seçeneği:

sqlite-vec uzantılı SQLite
pgvector uzantılı Postgres
Özel vektör veritabanı (Pinecone, Qdrant, Weaviate)

Maliyet Farkındalığı

text-embedding-3-small ile 1 milyon sözcüğü vektörleştirmenin yaklaşık maliyeti nedir?

Özet

text-embedding-3-small modelini seçin, çağrılarınızı toplu hâle getirin, vektörleri saklayın; böylece anlamsal aramanın temelini oluşturmuş olursunuz.

Sıkça Sorulan Sorular

“text-embedding-3 ile Gömüntü Üretme” dersi ücretsiz mi?

Evet — “text-embedding-3 ile Gömüntü Üretme” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve AI Agents kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. AI Agents kursu toplamda 4 dersten oluşur.

“text-embedding-3 ile Gömüntü Üretme” dersinde ne öğreneceğim?

Dizeleri 1536 veya 3072 boyutlu vektörlere dönüştürmek için OpenAI text-embedding-3-small/large kullanın. AI Agents ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.

AI Agents öğrenmeye başlamak için deneyim gerekli mi?

Önceden deneyim gerekmez. CoddyKit'te AI Agents, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 2. dersidir.

“text-embedding-3 ile Gömüntü Üretme” dersi ne kadar sürer?

Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.

Bu AI Agents dersinde kod yazıp çalıştırabilir miyim?

Evet. Her AI Agents dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.

Bu kursun tüm dersleri

Gömüntüler Nedir (Vektör Gösterimleri)
text-embedding-3 ile Gömüntü Üretme
Getirme için Kosinüs Benzerliği
Gömüntü Modellerini Karşılaştırma (OpenAI ve Cohere ve OSS)

← AI Agents Sayfasına Dön