# Aggiungi un nuovo documento di testo a un Archivio Vettoriale

{% openapi src="/files/TgprWtaxn0x1jf4BJIMN" path="/vector-stores/{vector-store-id}/documents/create" method="post" %}
[rememberizer\_openapi.yml](https://2549770777-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F57qWu8jBt3M3SWmz6Y83%2Fuploads%2Fgit-blob-4f45581f68048634d677b5e3d260a677eeb0242f%2Frememberizer_openapi.yml?alt=media\&token=7f673453-89b5-4d08-beab-3fb44863de41)
{% endopenapi %}

## Esempi di Richieste

{% 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": "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."
  }'
```

{% hint style="info" %}
Sostituisci `YOUR_API_KEY` con la tua chiave API del Vector Store e `vs_abc123` con il tuo ID del Vector Store.
{% 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',
  '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.'
);
```

{% hint style="info" %}
Sostituisci `YOUR_API_KEY` con la tua chiave API del Vector Store e `vs_abc123` con il tuo ID del Vector Store.
{% 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',
    '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.'
)
```

{% hint style="info" %}
Sostituisci `YOUR_API_KEY` con la tua chiave API del Vector Store e `vs_abc123` con il tuo ID del Vector Store.
{% endhint %}
{% endtab %}
{% endtabs %}

## Parametri del percorso

| Parametro       | Tipo   | Descrizione                                                            |
| --------------- | ------ | ---------------------------------------------------------------------- |
| vector-store-id | string | **Obbligatorio.** L'ID del vector store a cui aggiungere il documento. |

## Corpo della Richiesta

```json
{
  "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

```json
{
  "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.


---

# 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/it/risorse-per-sviluppatori/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.