Aggiungi un nuovo documento di testo a un Archivio 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."
}'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',
'Panoramica del Prodotto',
'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.'
);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',
'Panoramica del Prodotto',
'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.'
)Parametri del percorso
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."
}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
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