Przed wysłaniem ciągu znaków do osadzania możesz oszacować, ile tokenów użyje, stosując bibliotekę tokenizatora tiktoken OpenAI.
Jest to szczególnie przydatne, ponieważ modele osadzania (takie jak text-embedding-3-small) mają maksymalne limity tokenów, których trzeba przestrzegać.
---
Jak liczyć tokeny za pomocą Tiktoken
Możesz użyć pakietu Pythona tiktoken, aby obliczyć liczbę tokenów, które wygeneruje ciąg znaków.
Oto przykładowy fragment kodu:
import tiktoken
def num_tokens_from_string(string: str, encoding_name: str) -> int:
"""Zwraca liczbę tokenów w ciągu tekstowym."""
encoding = tiktoken.get_encoding(encoding_name)
num_tokens = len(encoding.encode(string))
return num_tokens
# Przykład użycia
num_tokens = num_tokens_from_string("tiktoken is great!", "cl100k_base")
print(num_tokens)Ważne:
W przypadku modeli osadzania trzeciej generacji (np.
text-embedding-3-smalllubtext-embedding-3-large) należy użyć kodowania"cl100k_base".Różne modele mogą wymagać różnych kodowań — w razie wątpliwości zawsze sprawdź dokumentację modelu.
---
Dlaczego liczenie tokenów ma znaczenie
Jeśli Twój ciąg znaków przekroczy maksymalny rozmiar wejścia modelu, żądanie API zakończy się niepowodzeniem.
Dokładne liczenie tokenów z wyprzedzeniem zapewnia sprawniejszy przebieg pracy z osadzaniem i zapobiega błędom podczas przetwarzania.
---