# Adicionar novo documento de texto a um Armazenamento Vetorial

{% openapi src="/files/7wfxJNjaZYJgvBWvXvoQ" path="/vector-stores/{vector-store-id}/documents/create" method="post" %}
[rememberizer\_openapi.yml](https://606058861-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FDrEOD8oYxrWDlC9WhJ3K%2Fuploads%2Fgit-blob-77b6137eeb641262ec8e531c78123c02b825b865%2Frememberizer_openapi.yml?alt=media\&token=85552d2b-b485-42dc-a027-aa2441b8ca9f)
{% endopenapi %}

## Exemplo de Solicitações

{% tabs %}
{% tab title="cURL" %}

```bash
curl -X POST \
  https://api.rememberizer.ai/api/v1/vector-stores/vs_abc123/documents/create \
  -H "x-api-key: SUA_CHAVE_API" \
  -H "Content-Type: application/json" \
  -d '{
    "name": "Visão Geral do Produto",
    "text": "Nosso produto é uma solução inovadora para gerenciar embeddings vetoriais. Ele oferece integração perfeita com seus sistemas existentes e oferece poderosas capacidades de busca semântica."
  }'
```

{% hint style="info" %}
Substitua `SUA_CHAVE_API` pela sua chave API real do Vector Store e `vs_abc123` pelo seu ID do 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': 'SUA_CHAVE_API',
      'Content-Type': 'application/json'
    },
    body: JSON.stringify({
      name: name,
      text: text
    })
  });
  
  const data = await response.json();
  console.log(data);
};

addTextDocument(
  'vs_abc123',
  'Visão Geral do Produto',
  'Nosso produto é uma solução inovadora para gerenciar embeddings vetoriais. Ele oferece integração perfeita com seus sistemas existentes e oferece poderosas capacidades de busca semântica.'
);
```

{% hint style="info" %}
Substitua `SUA_CHAVE_API` pela sua chave API real do Vector Store e `vs_abc123` pelo seu ID do 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": "SUA_CHAVE_API",
        "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',
    'Visão Geral do Produto',
    'Nosso produto é uma solução inovadora para gerenciar embeddings vetoriais. Ele oferece integração perfeita com seus sistemas existentes e oferece poderosas capacidades de busca semântica.'
)
```

{% hint style="info" %}
Substitua `SUA_CHAVE_API` pela sua chave API real do Vector Store e `vs_abc123` pelo seu ID do Vector Store.
{% endhint %}
{% endtab %}
{% endtabs %}

## Parâmetros de Caminho

| Parâmetro       | Tipo   | Descrição                                                                            |
| --------------- | ------ | ------------------------------------------------------------------------------------ |
| vector-store-id | string | **Obrigatório.** O ID do armazenamento de vetores para o qual adicionar o documento. |

## Corpo da Solicitação

```json
{
  "name": "Visão Geral do Produto",
  "text": "Nosso produto é uma solução inovadora para gerenciar embeddings vetoriais. Ele oferece integração perfeita com seus sistemas existentes e oferece poderosas capacidades de busca semântica."
}
```

| Parâmetro | Tipo   | Descrição                                          |
| --------- | ------ | -------------------------------------------------- |
| name      | string | **Obrigatório.** O nome do documento.              |
| text      | string | **Obrigatório.** O conteúdo de texto do documento. |

## Formato de Resposta

```json
{
  "id": 1234,
  "name": "Visão Geral do Produto",
  "type": "text/plain",
  "vector_store": "vs_abc123",
  "size": 173,
  "status": "processando",
  "processing_status": "na fila",
  "indexed_on": null,
  "status_error_message": null,
  "created": "2023-06-15T10:15:00Z",
  "modified": "2023-06-15T10:15:00Z"
}
```

## Autenticação

Este endpoint requer autenticação usando uma chave de API no cabeçalho `x-api-key`.

## Respostas de Erro

| Código de Status | Descrição                                                               |
| ---------------- | ----------------------------------------------------------------------- |
| 400              | Solicitação Inválida - Campos obrigatórios ausentes ou formato inválido |
| 401              | Não Autorizado - Chave de API inválida ou ausente                       |
| 404              | Não Encontrado - Armazenamento de Vetores não encontrado                |
| 500              | Erro Interno do Servidor                                                |

Este endpoint permite que você adicione conteúdo de texto diretamente ao seu armazenamento de vetores. É particularmente útil para armazenar informações que podem não existir em formato de arquivo, como descrições de produtos, artigos de base de conhecimento ou conteúdo personalizado. O texto será processado automaticamente em embeddings vetoriais, tornando-o pesquisável usando similaridade semântica.


---

# 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/pt/recursos-para-desenvolvedores/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.