# Glosario Este glosario proporciona definiciones para términos y conceptos clave utilizados en toda la documentación de Rememberizer. Úsalo como referencia cuando encuentres terminología desconocida. > **Nota**: Este glosario representa la terminología estandarizada para Rememberizer. Aunque puedes encontrar ligeras variaciones en la documentación, los términos y definiciones proporcionados aquí deben considerarse la referencia canónica. ## A **API Key**: Un token de autenticación seguro utilizado para acceder a los puntos finales de la API de Rememberizer de manera programática. Las claves API se utilizan principalmente para el acceso al almacenamiento de vectores y la integración de conocimiento común. **Authorized Request Origin**: Una configuración de seguridad que especifica qué dominios pueden realizar solicitudes API a Rememberizer, limitando los posibles ataques de falsificación de solicitudes entre sitios. ## B **Operaciones por Lotes**: Procesamiento de múltiples elementos (búsquedas, cargas, etc.) en una sola solicitud para mejorar la eficiencia. Rememberizer admite operaciones por lotes para cargas de trabajo de alto volumen. **Tamaño del Lote**: El número de elementos procesados juntos durante operaciones como migración, búsqueda o ingestión de documentos, que afecta el rendimiento y el uso de recursos. ## C **Chunking**: El proceso de dividir documentos en piezas de tamaño óptimo (típicamente de 512 a 2048 bytes) con límites superpuestos para preservar el contexto durante las búsquedas vectoriales. **Client ID**: Un identificador público emitido a aplicaciones de terceros que permite la autorización OAuth2 con Rememberizer. **Client Secret**: Una clave privada emitida con un Client ID que debe mantenerse segura y se utiliza para autenticar la aplicación durante los flujos OAuth2. **Collection-based Organization**: La forma en que se organizan los almacenes vectoriales en Rememberizer, con cada almacén teniendo su propia colección aislada para la gestión de datos. **Common Knowledge**: Información publicada por los usuarios que puede ser accedida por otros usuarios o aplicaciones, creando un recurso de conocimiento compartido. El Conocimiento Común se basa en un Memento y puede ser accedido a través de la API. También se refiere a veces como "Conocimiento Compartido" en la interfaz de usuario. **Context Windows**: El contenido circundante incluido con los fragmentos coincidentes en los resultados de búsqueda, controlado por los parámetros `prev_chunks` y `next_chunks`. **Cosine Similarity**: Una medida de similitud entre vectores calculada al encontrar el coseno del ángulo entre ellos, utilizada como la métrica de búsqueda predeterminada en Rememberizer. ## E **Modelo de Embedding**: Un modelo de IA que genera embeddings vectoriales a partir de texto. Rememberizer admite varios modelos de embedding, incluidos text-embedding-3-large y text-embedding-3-small de OpenAI. **Patrones de Integración Empresarial**: Enfoques estandarizados para implementar Rememberizer en entornos empresariales a gran escala, incluidos diseños arquitectónicos para seguridad, escalabilidad y cumplimiento. ## G **Configuraciones Globales**: Configuraciones a nivel del sistema para controlar los permisos y comportamientos predeterminados en todas las aplicaciones conectadas en Rememberizer. ## H **HNSW (Mundo Pequeño Navegable Jerárquico)**: Un algoritmo de indexación que ofrece mejor precisión para grandes conjuntos de datos a costa de mayores requisitos de memoria, disponible como una opción de indexación en los Almacenes de Vectores de Rememberizer. ## I **Algoritmo de Indexación**: El método utilizado para organizar vectores para una recuperación eficiente. Rememberizer soporta los algoritmos IVFFLAT (predeterminado) y HNSW. **IVFFLAT**: Un algoritmo de indexación que proporciona un buen equilibrio entre velocidad de búsqueda y precisión para bases de datos vectoriales, utilizado como predeterminado en Rememberizer. ## K **Fuente de Datos**: Los diversos orígenes de datos en Rememberizer, incluidas las integraciones con plataformas como Google Drive, Slack, Dropbox y Gmail. También se conoce como "Fuente de Conocimiento" o "Integración" en algunos contextos. ## L **Integración de LangChain**: Funcionalidad que permite que Rememberizer se utilice como un recuperador en aplicaciones de LangChain, apoyando sistemas de RAG (Generación Aumentada por Recuperación). ## M **Memento**: Un mecanismo de filtrado que controla qué conocimiento se comparte con aplicaciones de terceros, permitiendo a los usuarios compartir selectivamente archivos, documentos o grupos de contenido específicos. A veces se refiere como "Filtro Memento" en la interfaz de usuario. **Integración de Memoria**: Una función que permite a las aplicaciones almacenar información valiosa en Rememberizer para su recuperación posterior, con permisos de lectura/escritura configurables. También se refiere como "Memoria Compartida" en algunos contextos. ## O **Autenticación OAuth2**: El protocolo de autorización estándar utilizado para que aplicaciones de terceros accedan a los datos de Rememberizer con el consentimiento del usuario, proporcionando acceso delegado seguro. A veces se abrevia como "OAuth" en la documentación. ## R **RAG (Generación Aumentada por Recuperación)**: Una técnica que combina sistemas de recuperación (como Rememberizer) con modelos generativos para proporcionar respuestas más precisas y fundamentadas basadas en conocimientos específicos. **Leer Propio/Escribir Propio**: Un nivel de permiso donde las aplicaciones solo pueden acceder y modificar sus propios datos de memoria en Rememberizer. **Leer Todo/Escribir Propio**: Un nivel de permiso donde las aplicaciones pueden leer datos de memoria de todas las aplicaciones, pero solo pueden modificar sus propios datos de memoria. **Reindexación**: El proceso de reconstruir índices vectoriales después de cambios significativos para mejorar el rendimiento de búsqueda en los Almacenes Vectoriales de Rememberizer. **RememberizerRetriever**: La clase de recuperador específica de LangChain que se conecta con las capacidades de búsqueda semántica de Rememberizer. **Rememberizer GPT**: Una aplicación GPT personalizada que se integra con la API de Rememberizer para proporcionar acceso a conocimientos personales dentro de ChatGPT. **Rememberizer Vector Store**: Un servicio de base de datos vectorial basado en PostgreSQL con la extensión pgvector que maneja la segmentación, vectorización y almacenamiento de datos de texto. Los términos "Almacén Vectorial" y "Base de Datos Vectorial" se utilizan indistintamente en la documentación de Rememberizer, siendo "Almacén Vectorial" el término preferido. ## S **Métrica de Búsqueda**: El método matemático utilizado para calcular la similitud entre vectores. Rememberizer soporta similitud coseno (por defecto), producto interno y distancia L2 (Euclidiana). Los términos "distancia", "similitud" y "coincidencia" a veces se utilizan indistintamente para referirse a cuán estrechamente se relacionan los vectores entre sí. **Búsqueda Semántica**: Funcionalidad de búsqueda que encuentra contenido basado en el significado en lugar de solo en palabras clave, permitiendo resultados conceptualmente relacionados incluso cuando la terminología difiere. **Memoria Compartida**: Un sistema que permite a aplicaciones de terceros almacenar y acceder a datos en la cuenta de Rememberizer de un usuario, proporcionando persistencia a través de múltiples aplicaciones. ## V **Base de Datos Vectorial**: Una base de datos especializada optimizada para almacenar y recuperar incrustaciones vectoriales de manera eficiente, lo que permite capacidades de búsqueda semántica. **Dimensión Vectorial**: El tamaño de las incrustaciones vectoriales (típicamente de 768 a 1536 números), que afecta el detalle y la matiz capturados en la representación semántica. **Incrustaciones Vectoriales**: Representaciones numéricas (listas de varios cientos de números) que capturan el significado semántico del texto, permitiendo comparaciones de similitud más allá de la coincidencia de palabras clave. A menudo se les llama simplemente "Incrustaciones" en contextos técnicos. ## Convenciones de Encabezado de API Al utilizar las API de Rememberizer, se deben seguir las siguientes convenciones de encabezado: * **Encabezado de Autorización**: `Authorization: Bearer YOUR_JWT_TOKEN` * **Encabezado de Clave de API**: `X-API-Key: YOUR_API_KEY` (en mayúsculas como se muestra) * **Encabezado de Tipo de Contenido**: `Content-Type: application/json` ## Recursos Relacionados Para explicaciones más detalladas de conceptos clave: * [¿Qué son los Embeddings Vectoriales y las Bases de Datos Vectoriales?](/es/background/what-are-vector-embeddings-and-vector-databases.md) - Explicación detallada de la tecnología detrás de Rememberizer * [Almacenes Vectoriales](/es/recursos-para-desarrolladores/integration-options/vector-stores.md) - Detalles de implementación técnica de la base de datos vectorial de Rememberizer * [Acceso al Filtro de Mementos](/es/uso-personal/personal/mementos-filter-access.md) - Cómo controlar el acceso a tu conocimiento --- # Agent Instructions: 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/es/background/glossary.md?ask= ``` 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.