Tilføj ny tekstdokument til en Vektorbutik

POST /vector-stores/{vector-store-id}/documents/create

Create a new text document in a vector store.

Parameter	In	Type	Required	Description
vector-store-id	path	string	yes	The ID of the vector store.
x-api-key	header	string	yes	The API key for authentication.

Request body

Field	Type	Required	Description
name	string		The name of the document.
text	string		The text content of the document.

Responses

• 201 — Document created successfully.

Eksempelanmodninger

cURLJavaScriptPython

curl -X POST   
  https://api.rememberizer.ai/api/v1/vector-stores/vs_abc123/documents/create   
  -H "x-api-key: YOUR_API_KEY"   
  -H "Content-Type: application/json"   
  -d '{
    "name": "Produktoversigt",
    "text": "Vores produkt er en innovativ løsning til håndtering af vektorindlejringer. Det giver problemfri integration med dine eksisterende systemer og tilbyder kraftfulde semantiske søgefunktioner."
  }'

Info

Erstat YOUR_API_KEY med din faktiske Vector Store API-nøgle og vs_abc123 med dit Vector Store ID.

const addTextDocument = async (vectorStoreId, name, text) => {
  const response = await fetch(`https://api.rememberizer.ai/api/v1/vector-stores/${vectorStoreId}/documents/create`, {
    method: 'POST',
    headers: {
      'x-api-key': 'YOUR_API_KEY',
      'Content-Type': 'application/json'
    },
    body: JSON.stringify({
      name: name,
      text: text
    })
  });

  const data = await response.json();
  console.log(data);
};

addTextDocument(
  'vs_abc123',
  'Produktoversigt',
  'Vores produkt er en innovativ løsning til håndtering af vektorindlejringer. Det giver problemfri integration med dine eksisterende systemer og tilbyder kraftfulde semantiske søgefunktioner.'
);

Info

Erstat YOUR_API_KEY med din faktiske Vector Store API-nøgle og vs_abc123 med dit Vector Store ID.

import requests
import json

def add_text_document(vector_store_id, name, text):
    headers = {
        "x-api-key": "YOUR_API_KEY",
        "Content-Type": "application/json"
    }

    payload = {
        "name": name,
        "text": text
    }

    response = requests.post(
        f"https://api.rememberizer.ai/api/v1/vector-stores/{vector_store_id}/documents/create",
        headers=headers,
        data=json.dumps(payload)
    )

    data = response.json()
    print(data)

add_text_document(
    'vs_abc123',
    'Produktoversigt',
    'Vores produkt er en innovativ løsning til håndtering af vektorindlejringer. Det giver problemfri integration med dine eksisterende systemer og tilbyder kraftfulde semantiske søgefunktioner.'
)

Info

Erstat YOUR_API_KEY med din faktiske Vector Store API-nøgle og vs_abc123 med dit Vector Store ID.

Sti Parametre

Parameter	Type	Beskrivelse
vector-store-id	string	Påkrævet. ID'en på vektorbutikken, som dokumentet skal tilføjes til.

Anmodningskrop

{
  "name": "Produktoversigt",
  "text": "Vores produkt er en innovativ løsning til håndtering af vektorindlejringer. Det giver problemfri integration med dine eksisterende systemer og tilbyder kraftfulde semantiske søgefunktioner."
}

Parameter	Type	Beskrivelse
name	string	Påkrævet. Navnet på dokumentet.
text	string	Påkrævet. Tekstindholdet i dokumentet.

Responsformat

{
  "id": 1234,
  "name": "Produktoversigt",
  "type": "text/plain",
  "vector_store": "vs_abc123",
  "size": 173,
  "status": "behandling",
  "processing_status": "i kø",
  "indexed_on": null,
  "status_error_message": null,
  "created": "2023-06-15T10:15:00Z",
  "modified": "2023-06-15T10:15:00Z"
}

Godkendelse

Denne endpoint kræver godkendelse ved hjælp af en API-nøgle i x-api-key headeren.

Fejlrespons

Statuskode	Beskrivelse
400	Bad Request - Manglende påkrævede felter eller ugyldigt format
401	Unauthorized - Ugyldig eller manglende API-nøgle
404	Not Found - Vektorbutik ikke fundet
500	Intern serverfejl

Denne endpoint giver dig mulighed for at tilføje tekstindhold direkte til din vektorbutik. Det er særligt nyttigt til at gemme information, der måske ikke findes i filformat, såsom produktbeskrivelser, vidensbaseartikler eller brugerdefineret indhold. Teksten vil automatisk blive behandlet til vektorindlejring, hvilket gør den søgbar ved hjælp af semantisk lighed.