花卉网站建设策划书漯河搜狗关键词优化排名软件
使用Docker快速搭建OpenAI兼容的Embeddings与Rerank双API服务
- 前言
- 环境准备
- 硬件要求
- 软件依赖
- 双服务部署指南
- 1. Embeddings API部署
- 启动容器
- 参数说明
- 2. Rerank API部署
- 启动容器
- 服务验证与测试
- 通用验证方法
- 1. Embeddings API测试
- 请求示例
- 响应特征
- 2. Rerank API测试
- 请求示例
- 响应解析
- 双API联合工作流
- 典型应用场景
- 联合调用示例
- 性能优化建议
- 常见问题解答
- 总结
前言
在构建智能搜索、推荐系统等AI应用时，**文本向量化(Embeddings)和结果重排序(Reranking)**是两个关键环节。本文将手把手教您通过Docker快速部署两大核心服务：
- Embeddings API：基于
multilingual-e5-large-instruct模型的文本向量生成服务 - Rerank API：采用
bce-reranker-base_v1模型的语义相关性排序服务
二者配合使用可构建完整的语义检索流水线，先通过向量搜索召回候选集，再通过语义重排序提升结果精度。
环境准备
硬件要求
- 推荐配置：16GB内存 + NVIDIA GPU（支持CUDA）
- 最低配置：8GB内存（仅CPU模式）
软件依赖
- Docker 20.10+
- NVIDIA Container Toolkit（GPU版需要）
- 端口可用性：7965（Embeddings）、7987（Rerank）
双服务部署指南
1. Embeddings API部署
启动容器
docker run -d --name embeddings-api \-p 7965:7965 \--gpus all \engchina/embeddings-api:multilingual-e5-large-instruct
参数说明
| 参数 | 作用 |
|---|---|
--gpus all | 启用GPU加速（CPU模式可删除） |
-p 7965:7965 | 服务暴露端口 |
2. Rerank API部署
启动容器
docker run -d --name rerank-api \-p 7987:7987 \engchina/rerank-api:bce-reranker-base_v1
服务验证与测试
通用验证方法
访问API文档页面（服务启动约1分钟后生效）：
- Embeddings API文档：http://localhost:7965/docs
- Rerank API文档：http://localhost:7987/docs
1. Embeddings API测试
请求示例
curl -X POST "http://localhost:7965/v1/embeddings" \-H "Content-Type: application/json" \-d '{"model": "text-embedding-3-large","input": "OpenAI API兼容测试","encoding_format": "float"}'
响应特征
{"data": [{"embedding": [0.017, -0.032, ..., 0.021], // 1024维向量"index": 0,"object": "embedding"}],"model": "text-embedding-3-large","usage": {"prompt_tokens": 5