Los embeddings reales son representaciones aprendidas. Este curso usa vectores pequeños de recuento de palabras para que puedas inspeccionar cada dimensión y comprobar el proceso sin llamar a un modelo. Esta simplificación enseña el orden y la indexación, pero no demuestra la calidad semántica de una búsqueda real.
Llama a MockClient.embeddings.create en un cliente nuevo con case.texts y el modelo fixture-vector. Devuelve el embedding de cada elemento de data en el orden de entrada. Estos vectores de recuentos de palabras de cuatro dimensiones no son vectores semánticos aprendidos.
El cuaderno ejecuta tu código Python con un simulador local original. Usa los datos del caso en lugar de copiar los valores visibles. Las comprobaciones ocultas cambian identidades, revisiones y datos límite; no se contacta con proveedores ni herramientas externas.
Una implementación de ejemplo del contrato de la función.