更可复用的嵌入向量
随着您继续使用嵌入向量（embedding — 向量表示），您会频繁调用 OpenAI 的嵌入模型。为使这些调用更可复用、模块化，最好定义一个名为 create_embeddings() 的自定义函数，用于为任意数量的文本输入生成嵌入向量。本练习中，您将完成这一目标！
本练习是课程的一部分
使用 OpenAI API 的 Embeddings 入门
练习说明
- 定义
create_embeddings()函数，将输入texts发送给嵌入模型，并返回一个列表，包含每个输入文本的嵌入向量。 - 使用
create_embeddings()对short_description进行嵌入，并提取后以单个列表形式打印。 - 使用
create_embeddings()对list_of_descriptions进行嵌入并打印。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Define a create_embeddings function
def create_embeddings(texts):
response = client.____(
model="text-embedding-3-small",
input=____
)
response_dict = response.model_dump()
return [data['____'] for data in ____['data']]
# Embed short_description and print
print(____)
# Embed list_of_descriptions and print
print(____)