# 벡터 저장소 API

벡터 저장소 API를 사용하면 Rememberizer에서 벡터 저장소를 생성, 관리 및 검색할 수 있습니다. 벡터 저장소는 의미적 유사성 검색을 사용하여 문서를 저장하고 검색할 수 있게 해줍니다.

## 사용 가능한 벡터 저장소 엔드포인트

### 관리 엔드포인트

* [벡터 저장소의 정보 가져오기](https://docs.rememberizer.ai/ko/undefined-1/api-docs/vector-store/get-vector-stores-information)
* [벡터 저장소의 문서 목록 가져오기](https://docs.rememberizer.ai/ko/undefined-1/api-docs/vector-store/get-a-list-of-documents-in-a-vector-store)
* [문서의 정보 가져오기](https://docs.rememberizer.ai/ko/undefined-1/api-docs/vector-store/get-the-information-of-a-document)

### 문서 작업

* [벡터 스토어에 새 텍스트 문서 추가](https://docs.rememberizer.ai/ko/undefined-1/api-docs/vector-store/add-new-text-document-to-a-vector-store)
* [벡터 스토어에 파일 업로드](https://docs.rememberizer.ai/ko/undefined-1/api-docs/vector-store/upload-files-to-a-vector-store)
* [벡터 스토어에서 파일 내용 업데이트](https://docs.rememberizer.ai/ko/undefined-1/api-docs/vector-store/update-files-content-in-a-vector-store)
* [벡터 스토어에서 문서 제거](https://docs.rememberizer.ai/ko/undefined-1/api-docs/vector-store/remove-a-document-in-vector-store)

### 검색 작업

* [의미적 유사성으로 벡터 저장소 문서 검색](https://docs.rememberizer.ai/ko/undefined-1/api-docs/vector-store/search-for-vector-store-documents-by-semantic-similarity)

## 벡터 저장소 생성

새로운 벡터 저장소를 생성하려면 다음 엔드포인트를 사용하세요:

```
POST /api/v1/vector-stores/
```

### 요청 본문

```json
{
  "name": "상점 이름",
  "description": "상점 설명",
  "embedding_model": "sentence-transformers/all-mpnet-base-v2",
  "indexing_algorithm": "ivfflat",
  "vector_dimension": 128,
  "search_metric": "cosine_distance"
}
```

### 응답

```json
{
  "id": "store_id",
  "name": "벡터 스토어 이름",
  "description": "스토어 설명",
  "created": "2023-05-01T00:00:00Z",
  "modified": "2023-05-01T00:00:00Z"
}
```

## 벡터 저장소 구성

사용 가능한 벡터 저장소 구성을 검색하려면 다음을 사용하십시오:

```
GET /api/v1/vector-stores/configs
```

이것은 벡터 저장소를 생성하거나 구성할 때 사용할 수 있는 사용 가능한 임베딩 모델, 인덱싱 알고리즘 및 검색 메트릭을 반환합니다.

## 인증

모든 벡터 저장소 엔드포인트는 다음을 사용하여 인증을 요구합니다:

* 관리 작업을 위한 JWT 토큰
* 문서 및 검색 작업을 위한 API 키