Aggiungi un nuovo documento di testo a un'Archiviazione Vettoriale

Esempi di Richieste

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": "Panoramica del Prodotto",
    "text": "Il nostro prodotto è una soluzione innovativa per la gestione degli embedding vettoriali. Offre un'integrazione senza soluzione di continuità con i tuoi sistemi esistenti e fornisce potenti capacità di ricerca semantica."
  }'

Sostituisci YOUR_API_KEY con la tua chiave API del Vector Store e vs_abc123 con il tuo ID del Vector Store.

Parametri del percorso

Parametro
Tipo
Descrizione

vector-store-id

string

Obbligatorio. L'ID del vector store a cui aggiungere il documento.

Corpo della Richiesta

{
  "name": "Panoramica del Prodotto",
  "text": "Il nostro prodotto è una soluzione innovativa per la gestione delle embedding vettoriali. Offre un'integrazione senza soluzione di continuità con i tuoi sistemi esistenti e fornisce potenti capacità di ricerca semantica."
}
Parametro
Tipo
Descrizione

name

string

Obbligatorio. Il nome del documento.

text

string

Obbligatorio. Il contenuto testuale del documento.

Formato di Risposta

{
  "id": 1234,
  "name": "Panoramica del Prodotto",
  "type": "text/plain",
  "vector_store": "vs_abc123",
  "size": 173,
  "status": "in elaborazione",
  "processing_status": "in coda",
  "indexed_on": null,
  "status_error_message": null,
  "created": "2023-06-15T10:15:00Z",
  "modified": "2023-06-15T10:15:00Z"
}

Autenticazione

Questo endpoint richiede autenticazione utilizzando una chiave API nell'intestazione x-api-key.

Risposte di Errore

Codice di Stato
Descrizione

400

Richiesta Errata - Campi richiesti mancanti o formato non valido

401

Non Autorizzato - Chiave API non valida o mancante

404

Non Trovato - Vector Store non trovato

500

Errore Interno del Server

Questo endpoint ti consente di aggiungere contenuti testuali direttamente al tuo vector store. È particolarmente utile per memorizzare informazioni che potrebbero non esistere in formato file, come descrizioni di prodotti, articoli di base di conoscenza o contenuti personalizzati. Il testo verrà automaticamente elaborato in embedding vettoriali, rendendolo ricercabile utilizzando la similarità semantica.

Last updated