Consider it done. The open-source AI agent that works out of the box · 想到,就能做到。开源、开箱即用的 AI Agent。
TypeScript agentai-agentai-assistantandroidclaude-codecodexelectroniosllmmacosreact-nativetypescriptwindows
/**
* Embedding 模型 catalog — 硬编码的可用 model 元信息。
*
* XD Gateway /v1/embeddings 当前支持的模型以**本表为准**(不在这里记数量与快照日期:
* 每次增删都要同步改一处无关的数字, 漏改就成了误导维护者的过期描述)。
* 价格 / dim / maxTokens 均来自 provider 官方文档对齐 XD Gateway。
*
* `dim` 的语义是**不显式请求维度时上游返回的默认维度** —— client.ts 只发
* `{ model, input }`, 不发各家的维度参数 (OpenAI `dimensions` / Voyage
* `output_dimension` / Gemini `output_dimensionality`), 所以这里必须填各家的
* **默认值**, 不能填"该模型支持的最大维度"。填错的后果不是报错而是静默不一致:
* 调方按本表建向量表 / 预分配缓冲, 实际收到的长度却不同。
*
* 新增模型:
* 1. 同步追加 types.ts EmbeddingModelId 联合
* 2. 本表追加一行
* 3. (可选) Worker / Provider 端的 default model 选择不在本包内, consumer 自决
*/
import type { EmbeddingModelId, EmbeddingModelMeta } from './types.js';
const CATALOG: ReadonlyArray<EmbeddingModelMeta> = [
{
id: 'text-embedding-3-small',
provider: 'openai',
dim: 1536,
maxTokens: 8192,
pricePerMTokens: 0.02,
},
{
id: 'text-embedding-3-large',
provider: 'openai',
dim: 3072,
maxTokens: 8192,
pricePerMTokens: 0.13,
},
{
id: 'gemini-embedding-2-preview',
provider: 'google',
// 默认维度 3072 (2026-08-04 双向实测: Google OpenAI 兼容层直连、以及 XD 网关
// 不带 dimensions 时, 都返 3072)。本行原写 768 —— 那是 Google 文档里的**推荐**
// 维度之一 (128–3072 可选, 推荐 768/1536/3072), 不是默认值。
dim: 3072,
// 8192 = gemini-embedding-2 的输入上限; 原写的 2048 是上一代 gemini-embedding-001 的。
maxTokens: 8192,
pricePerMTokens: 0,
preview: true,
notes: 'preview 阶段, 不建议作为 production default',
},
{
id: 'voyage/voyage-4',
provider: 'voyage',
dim: 1024,
maxTokens: 32000,
pricePerMTokens: 0.06,
notes: 'chat 场景首选 (32K context, 中等价格)',
},
{
id: 'voyage/voyage-4-large',
provider: 'voyage',
// 1024 = voyage-4 家族的默认维度 (2026-08-04 网关实测确认; 官方文档亦为
// output_dimension 支持 2048 / 1024(default) / 512 / 256)。本行原写 2048 ——
// 那是该型号支持的最大维度, 只有显式请求维度才拿得到。
dim: 1024,
maxTokens: 32000,
pricePerMTokens: 0.12,
},
{
id: 'voyage/voyage-code-3',
provider: 'voyage',
dim: 1024,
maxTokens: 32000,
pricePerMTokens: 0.18,
notes: '代码语义优化',
},
{
id: 'voyage/voyage-context-3',
provider: 'voyage',
dim: 1024,
maxTokens: 120000,
pricePerMTokens: 0.18,
notes: '长上下文 (120K)',
},
{
id: 'voyage/voyage-context-4',
provider: 'voyage',
// 同 voyage-4 家族:默认 1024,可显式请求 2048 / 512 / 256。
dim: 1024,
// 单个 chunk 的上限。整批另有约束(网关侧 120K 总量 / 至多 1000 个文档),
// 不在本字段语义内 —— 本字段是"单条 input 最大 token 数"(见 types.ts)。
// 注:上一行 voyage-context-3 的 120000 填的是整批上限,与本字段语义不符,
// 属存量不一致,未随本次改动一并纠正(它当前无消费方)。
maxTokens: 32000,
pricePerMTokens: 0.12,
notes:
'上下文化检索:同一文档的多个 chunk 互为上下文,检索质量优于逐块独立嵌入。' +
'网关经同一 OpenAI 形态端点支持,索引侧把 input 传成二维数组(每个内层数组 = ' +
'一个文档的 chunk 序列),查询侧传一维。两侧客户端都已接通:索引侧走 ' +
'EmbeddingClient.embedDocuments()(不走缓存,见其头注),查询侧走 embed()。',
},
];
const MAP: ReadonlyMap<string, EmbeddingModelMeta> = new Map(
CATALOG.map((m) => [m.id, m]),
);
/** 列出所有可用模型 (新对象数组, 调方修改不污染内部 cache)。 */
export function listEmbeddingModels(): EmbeddingModelMeta[] {
return CATALOG.map((m) => ({ ...m }));
}
/** 按 id 查模型元信息; 未知 id → undefined (调方按需校验)。 */
export function getEmbeddingModel(id: string): EmbeddingModelMeta | undefined {
return MAP.get(id);
}
/** 类型保护: 字符串是否是已知 EmbeddingModelId。 */
export function isKnownEmbeddingModel(id: string): id is EmbeddingModelId {
return MAP.has(id);
}