9router-embeddings
Generate vector embeddings via 9Router /v1/embeddings using OpenAI / Gemini / Mistral / Voyage / Nvidia / GitHub embedding models for RAG, semantic search, similarity. Use when the user wants embeddings, vectors, RAG, semantic search, or to embed text.
Оригинален текст · няма потвърден превод на българскиПърво прочетете инструкцията.
Файлът се зарежда от посочения източник само по ваше действие. Можете да го прочетете тук, да го копирате или да го запазите като .md.
GitHub хранилище- Звезди на репото
- 29 664
- Лиценз
- MIT
- Последна проверка на записа
- 20.09.2026 г.
Добавете в своя инструмент.
Командата отваря избора на skills от репозитория. Прочетете файла и условията на автора преди изпълнение.
npx skills add decolua/9routerСтраницата копира текст. Не инсталира и не изпълнява нищо на устройството ви.
Откъс от SKILL.md
Началото на файла на автора, без превод.
9Router — Embeddings
Requires NINEROUTER_URL (and NINEROUTER_KEY if auth enabled). See https://raw.githubusercontent.com/decolua/9router/refs/heads/master/skills/9router/SKILL.md for setup.
Discover
curl $NINEROUTER_URL/v1/models/embedding | jq '.data[].id'
# Per-model dimensions
curl "$NINEROUTER_URL/v1/models/info?id=openai/text-embedding-3-small"
Endpoint
POST $NINEROUTER_URL/v1/embeddings
| Field | Required | Notes |
|---|---|---|
model | yes | from /v1/models/embedding |
input | yes | string OR array of strings |
encoding_format | no | float (default) / base64 |
dimensions | no | OpenAI v3 only |
Examples
curl -X POST $NINEROUTER_URL/v1/embeddings \
-H "Authorization: Bearer $NINEROUTER_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"openai/text-embedding-3-small","input":["hello","world"]}'
JS:
const r = await fetch(`${process.env.NINEROUTER_URL}/v1/embeddings`, {
method: "POST",
headers: { "Authorization": `Bearer ${process.env.NINEROUTER_KEY}`, "Content-Type": "application/json" },
body: JSON.stringify({ model: "gemini/text-embedding-004", input: "RAG chunk text" }),
});
const { data } = await r.json();
console.log(data[0].embedding.length); // dimension
Response shape
{ "object": "list", "model": "openai/text-embedding-3-small",
"data": [
{ "object": "embedding", "index": 0, "embedding": [0.0123, -0.045, ...] },
{ "object": "embedding", "index": 1, "embedding": [...] }
],
"usage": { "prompt_tokens": 5, "total_tokens": 5 } }
Provider quirks
| Provider | Notes |
|---|---|
openai, openrouter, mistral, voyage-ai, fireworks, together, nebius, github, nvidia, jina-ai | Native OpenAI shape — dimensions works only on OpenAI v3 (text-embedding-3-*) |
gemini, google_ai_studio | Server auto-converts to embedContent/batchEmbedContents — send OpenAI shape |
openai-compatible-*, custom-embedding-* | Custom baseUrl from credentials |
Batch (input as array) is faster; some providers cap batch size.