> For the complete documentation index, see [llms.txt](https://docs.rememberizer.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.rememberizer.ai/de/entwicklerressourcen/api-docs/vector-store/add-new-text-document-to-a-vector-store.md).

# Neues Textdokument zu einem Vektor-Speicher hinzufügen

{% openapi src="/files/ruiFvGmmJmrVu2Iycaim" path="/vector-stores/{vector-store-id}/documents/create" method="post" %}
[rememberizer\_openapi.yml](https://2490272757-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fx5M0COIHmFFlpJ9e5pvp%2Fuploads%2Fgit-blob-77b6137eeb641262ec8e531c78123c02b825b865%2Frememberizer_openapi.yml?alt=media\&token=22d7ca07-e3b4-475f-840e-857109bf09bc)
{% endopenapi %}

## Beispielanfragen

{% tabs %}
{% tab title="cURL" %}

```bash
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": "Produktübersicht",
    "text": "Unser Produkt ist eine innovative Lösung zur Verwaltung von Vektor-Embeddings. Es bietet nahtlose Integration mit Ihren bestehenden Systemen und bietet leistungsstarke semantische Suchfunktionen."
  }'
```

{% hint style="info" %}
Ersetzen Sie `YOUR_API_KEY` durch Ihren tatsächlichen API-Schlüssel für den Vector Store und `vs_abc123` durch Ihre Vector Store-ID.
{% endhint %}
{% endtab %}

{% tab title="JavaScript" %}

```javascript
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',
  'Produktübersicht',
  'Unser Produkt ist eine innovative Lösung zur Verwaltung von Vektor-Embeddings. Es bietet nahtlose Integration mit Ihren bestehenden Systemen und bietet leistungsstarke semantische Suchfunktionen.'
);
```

{% hint style="info" %}
Ersetzen Sie `YOUR_API_KEY` durch Ihren tatsächlichen API-Schlüssel für den Vector Store und `vs_abc123` durch Ihre Vector Store-ID.
{% endhint %}
{% endtab %}

{% tab title="Python" %}

```python
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',
    'Produktübersicht',
    'Unser Produkt ist eine innovative Lösung zur Verwaltung von Vektor-Embeddings. Es bietet nahtlose Integration mit Ihren bestehenden Systemen und bietet leistungsstarke semantische Suchfunktionen.'
)
```

{% hint style="info" %}
Ersetzen Sie `YOUR_API_KEY` durch Ihren tatsächlichen API-Schlüssel für den Vector Store und `vs_abc123` durch Ihre Vector Store-ID.
{% endhint %}
{% endtab %}
{% endtabs %}

## Pfadparameter

| Parameter       | Typ    | Beschreibung                                                                                |
| --------------- | ------ | ------------------------------------------------------------------------------------------- |
| vector-store-id | string | **Erforderlich.** Die ID des Vektor-Speichers, zu dem das Dokument hinzugefügt werden soll. |

## Anfragekörper

```json
{
  "name": "Produktübersicht",
  "text": "Unser Produkt ist eine innovative Lösung zur Verwaltung von Vektor-Embeddings. Es bietet nahtlose Integration mit Ihren bestehenden Systemen und bietet leistungsstarke semantische Suchfunktionen."
}
```

| Parameter | Typ    | Beschreibung                                    |
| --------- | ------ | ----------------------------------------------- |
| name      | string | **Erforderlich.** Der Name des Dokuments.       |
| text      | string | **Erforderlich.** Der Textinhalt des Dokuments. |

## Antwortformat

```json
{
  "id": 1234,
  "name": "Produktübersicht",
  "type": "text/plain",
  "vector_store": "vs_abc123",
  "size": 173,
  "status": "verarbeitet",
  "processing_status": "in der Warteschlange",
  "indexed_on": null,
  "status_error_message": null,
  "created": "2023-06-15T10:15:00Z",
  "modified": "2023-06-15T10:15:00Z"
}
```

## Authentifizierung

Dieser Endpunkt erfordert eine Authentifizierung mit einem API-Schlüssel im `x-api-key`-Header.

## Fehlerantworten

| Statuscode | Beschreibung                                                             |
| ---------- | ------------------------------------------------------------------------ |
| 400        | Schlechte Anfrage - Fehlende erforderliche Felder oder ungültiges Format |
| 401        | Nicht autorisiert - Ungültiger oder fehlender API-Schlüssel              |
| 404        | Nicht gefunden - Vektorstore nicht gefunden                              |
| 500        | Interner Serverfehler                                                    |

Dieser Endpunkt ermöglicht es Ihnen, Textinhalte direkt zu Ihrem Vektorstore hinzuzufügen. Es ist besonders nützlich, um Informationen zu speichern, die möglicherweise nicht im Dateiformat vorliegen, wie Produktbeschreibungen, Artikel aus Wissensdatenbanken oder benutzerdefinierte Inhalte. Der Text wird automatisch in Vektor-Embeddings verarbeitet, wodurch er mithilfe semantischer Ähnlichkeit durchsuchbar wird.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.rememberizer.ai/de/entwicklerressourcen/api-docs/vector-store/add-new-text-document-to-a-vector-store.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.