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

### 문서 작업

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

### 검색 작업

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

## 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


---

# 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/ko/undefined-1/api-docs/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.