向向量存储添加新文本文档
post
Create a new text document in a vector store.
Path parameters
vector-store-idstringRequired
The ID of the vector store.
Header parameters
x-api-keystringRequired
The API key for authentication.
Body
namestringOptional
The name of the document.
textstringOptional
The text content of the document.
Responses
201
Document created successfully.
application/json
post
/vector-stores/{vector-store-id}/documents/createPOST /api/v1/vector-stores/{vector-store-id}/documents/create HTTP/1.1
Host: api.rememberizer.ai
x-api-key: text
Content-Type: application/json
Accept: */*
Content-Length: 29
{
"name": "text",
"text": "text"
}201
Document created successfully.
{
"id": 1,
"name": "text",
"type": "text",
"vector_store": "text",
"size": 1,
"status": "text",
"processing_status": "text",
"indexed_on": "2025-11-14T12:44:35.163Z",
"status_error_message": "text",
"created": "2025-11-14T12:44:35.163Z",
"modified": "2025-11-14T12:44:35.163Z"
}示例请求
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": "产品概述",
"text": "我们的产品是一个创新的解决方案，用于管理向量嵌入。它与您现有的系统无缝集成，并提供强大的语义搜索功能。"
}'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',
'产品概述',
'我们的产品是一个创新的解决方案，用于管理向量嵌入。它与您现有的系统无缝集成，并提供强大的语义搜索功能。'
);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',
'产品概述',
'我们的产品是一个创新的解决方案，用于管理向量嵌入。它与您现有的系统无缝集成，并提供强大的语义搜索功能。'
)路径参数
参数
类型
描述
vector-store-id
字符串
必需。 要添加文档的向量存储的 ID。
请求体
{
"name": "产品概述",
"text": "我们的产品是一个用于管理向量嵌入的创新解决方案。它与您现有的系统无缝集成，并提供强大的语义搜索功能。"
}参数
类型
描述
name
string
必填。 文档的名称。
text
string
必填。 文档的文本内容。
响应格式
{
"id": 1234,
"name": "产品概述",
"type": "text/plain",
"vector_store": "vs_abc123",
"size": 173,
"status": "处理中",
"processing_status": "排队中",
"indexed_on": null,
"status_error_message": null,
"created": "2023-06-15T10:15:00Z",
"modified": "2023-06-15T10:15:00Z"
}认证
此端点需要使用 x-api-key 头中的 API 密钥进行认证。
错误响应
状态码
描述
400
错误请求 - 缺少必需字段或格式无效
401
未授权 - API 密钥无效或缺失
404
未找到 - 找不到向量存储
500
内部服务器错误
此端点允许您直接将文本内容添加到您的向量存储中。它特别适用于存储可能不存在于文件格式中的信息，例如产品描述、知识库文章或自定义内容。文本将自动处理为向量嵌入，使其可以通过语义相似性进行搜索。
Last updated