aliyun-qwen-multimodal-embedding

Category: provider

Model Studio 多模态嵌入

验证

mkdir -p output/aliyun-qwen-multimodal-embedding
python -m py_compile skills/ai/search/aliyun-qwen-multimodal-embedding/scripts/prepare_multimodal_embedding_request.py && echo "py_compile_ok" > output/aliyun-qwen-multimodal-embedding/validate.txt

通过标准：命令退出码为 0，且生成了 output/aliyun-qwen-multimodal-embedding/validate.txt。

输出和证据

• 将规范化的请求负载、选定的维度和示例输入引用保存到 output/aliyun-qwen-multimodal-embedding/ 下。
• 记录确切的模型、模态组合和输出向量维度，以便复现。

当任务需要使用 Model Studio 为检索或相似度工作流生成文本、图像或视频嵌入时，请使用此技能。

重要模型名称

根据需要使用以下某个确切的模型字符串：

• qwen3-vl-embedding
• qwen2.5-vl-embedding
• tongyi-embedding-vision-plus-2026-03-06

选择指南：

• 优先使用 qwen3-vl-embedding，获取最新的多模态嵌入方案。
• 如果需要兼容较早部署的管道，请使用 qwen2.5-vl-embedding。

前提条件

• 在环境中设置 DASHSCOPE_API_KEY，或将 dashscope_api_key 添加到 ~/.alibabacloud/credentials。
• 构建检索系统时，将此技能与 DashVector、OpenSearch 或 Milvus 等向量存储搭配使用。

规范化接口（embedding.multimodal）

请求

• model（string，可选）：默认为 qwen3-vl-embedding
• texts（array，可选）
• images（array，可选）：由客户端层上传的公开 URL 或本地路径
• videos（array，可选）：支持时可使用公开 URL
• dimension（int，可选）：例如，qwen3-vl-embedding 支持 2560、2048、1536、1024、768、512、256

响应

• embeddings（array）
• dimension（int）
• usage（object，可选）

快速开始

python skills/ai/search/aliyun-qwen-multimodal-embedding/scripts/prepare_multimodal_embedding_request.py \
  --text "A cat sitting on a red chair" \
  --image "https://example.com/cat.jpg" \
  --dimension 1024

操作指南

• 将 input.contents 保持为数组；形状错误是常见的 400 错误原因。
• 写入向量前，将输出维度固定为与索引架构一致。
• 同一向量索引中使用相同的模型和维度，避免向量不兼容。
• 对于大型图像或视频批次，请将文件暂存到对象存储，并引用稳定的 URL。

输出位置

• 默认输出：output/aliyun-qwen-multimodal-embedding/request.json
• 使用 OUTPUT_DIR 覆盖基础目录。

参考资料

• references/sources.md