Rememberizer Docs
Se connecterS'inscrireContactez-nous
Français
Français
  • Pourquoi Rememberizer ?
  • Contexte
    • Qu'est-ce que les embeddings vectoriels et les bases de données vectorielles ?
    • Glossaire
    • Terminologie standardisée
  • Utilisation personnelle
    • Commencer
      • Rechercher vos connaissances
      • Accès au filtre de souvenirs
      • Connaissances communes
      • Gérer vos connaissances intégrées
  • Intégrations
    • Application Rememberizer
    • Intégration Rememberizer Slack
    • Intégration Rememberizer Google Drive
    • Intégration Rememberizer Dropbox
    • Intégration Rememberizer Gmail
    • Intégration Rememberizer Memory
    • Serveurs MCP Rememberizer
    • Gérer les applications tierces
  • Ressources pour les développeurs
    • Aperçu des développeurs
  • Options d'intégration
    • Enregistrement et utilisation des clés API
    • Enregistrement des applications Rememberizer
    • Autorisation des applications Rememberizer
    • Création d'un GPT Rememberizer
    • Intégration LangChain
    • Magasins de vecteurs
    • Talk-to-Slack l'application Web d'exemple
  • Intégration d'entreprise
    • Modèles d'intégration d'entreprise
  • Référence API
    • Accueil de la documentation API
    • Authentification
  • APIs principales
    • Rechercher des documents par similarité sémantique
    • Récupérer des documents
    • Récupérer le contenu des documents
    • Récupérer le contenu Slack
    • Mémoriser le contenu dans Rememberizer
  • Compte & Configuration
    • Récupérer les détails du compte utilisateur actuel
    • Lister les intégrations de sources de données disponibles
    • Mementos
    • Obtenir toutes les connaissances publiques ajoutées
  • APIs de stockage vectoriel
    • Documentation sur le stockage vectoriel
    • Obtenir des informations sur le stockage vectoriel
    • Obtenir une liste de documents dans un stockage vectoriel
    • Obtenir des informations sur un document
    • Ajouter un nouveau document texte à un stockage vectoriel
    • Télécharger des fichiers dans un stockage vectoriel
    • Mettre à jour le contenu d'un fichier dans un stockage vectoriel
    • Supprimer un document dans le stockage vectoriel
    • Rechercher des documents de stockage vectoriel par similarité sémantique
  • Ressources supplémentaires
    • Avis
      • Conditions d'utilisation
      • Politique de confidentialité
      • B2B
        • À propos de Reddit Agent
  • Versions
    • Notes de version Accueil
  • Sorties 2025
    • 25 avr. 2025
    • 18 avr. 2025
    • 11 avr. 2025
    • 4 avr. 2025
    • 28 mar. 2025
    • 21 mar. 2025
    • 14 mar. 2025
    • 17 janv. 2025
  • Sorties 2024
    • 27 déc. 2024
    • 20 déc. 2024
    • 13 déc. 2024
    • 6 déc. 2024
  • 29 nov. 2024
  • 22 nov. 2024
  • 15 nov. 2024
  • 8 nov. 2024
  • 1er nov. 2024
  • 25 oct. 2024
  • 18 oct. 2024
  • 11 oct. 2024
  • 4 oct. 2024
  • 27 sept. 2024
  • 20 sept. 2024
  • 13 sept. 2024
  • 16 août 2024
  • 9 août 2024
  • 2 août 2024
  • 26 juil. 2024
  • 12 juil. 2024
  • 28 juin 2024
  • 14 juin 2024
  • 31 mai 2024
  • 17 mai 2024
  • 10 mai 2024
  • 26 avr. 2024
  • 19 avr. 2024
  • 12 avr. 2024
  • 5 avr. 2024
  • 25 mars 2024
  • 18 mars 2024
  • 11 mars 2024
  • 4 mars 2024
  • 26 févr. 2024
  • 19 févr. 2024
  • 12 févr. 2024
  • 5 févr. 2024
  • 29 janv. 2024
  • 22 janv. 2024
  • 15 janv. 2024
  • Documentation LLM
    • Documentation LLM Prête de Rememberizer
Powered by GitBook
On this page
  • Points de terminaison de magasin de vecteurs disponibles
  • Points de terminaison de gestion
  • Opérations sur les documents
  • Opérations de recherche
  • Création d'un magasin de vecteurs
  • Corps de la demande
  • Réponse
  • Configurations de Stockage de Vecteurs
  • Authentification
  1. APIs de stockage vectoriel

Documentation sur le stockage vectoriel

PreviousObtenir toutes les connaissances publiques ajoutéesNextObtenir des informations sur le stockage vectoriel

Last updated 22 days ago

Les APIs de Stockage de Vecteurs vous permettent de créer, gérer et rechercher des magasins de vecteurs dans Rememberizer. Les magasins de vecteurs vous permettent de stocker et de récupérer des documents en utilisant la recherche par similarité sémantique.

Points de terminaison de magasin de vecteurs disponibles

Points de terminaison de gestion

Opérations sur les documents

Opérations de recherche

Création d'un magasin de vecteurs

Pour créer un nouveau magasin de vecteurs, utilisez le point de terminaison suivant :

POST /api/v1/vector-stores/

Corps de la demande

{
  "name": "Nom du magasin",
  "description": "Description du magasin",
  "embedding_model": "sentence-transformers/all-mpnet-base-v2",
  "indexing_algorithm": "ivfflat",
  "vector_dimension": 128,
  "search_metric": "cosine_distance"
}

Réponse

{
  "id": "store_id",
  "name": "Nom du magasin Vector",
  "description": "Description du magasin",
  "created": "2023-05-01T00:00:00Z",
  "modified": "2023-05-01T00:00:00Z"
}

Configurations de Stockage de Vecteurs

Pour récupérer les configurations disponibles pour les stockages de vecteurs, utilisez :

GET /api/v1/vector-stores/configs

Cela renverra les modèles d'incorporation disponibles, les algorithmes d'indexation et les métriques de recherche qui peuvent être utilisés lors de la création ou de la configuration des stockages de vecteurs.

Authentification

Tous les points de terminaison de Vector Store nécessitent une authentification en utilisant soit :

  • un jeton JWT pour les opérations de gestion

  • une clé API pour les opérations de document et de recherche

Obtenir des informations sur le magasin de vecteurs
Obtenir une liste de documents dans un magasin de vecteurs
Obtenir les informations d'un document
Ajouter un nouveau document texte à un Vector Store
Télécharger des fichiers dans un Vector Store
Mettre à jour le contenu d'un fichier dans un Vector Store
Supprimer un document dans un Vector Store
Rechercher des documents dans le Vector Store par similarité sémantique