API/AI Gateway/ベクトルの埋め込み

ベクトルの埋め込み

POST/v1/ai/{project_id}/embed

テキストの埋め込みを計算し、次元分離された PostgreSQL 列 (768、1536、3072) に格納します。

このページは自動翻訳されました。英語版が正式です。

embed.tstypescript

const { data, error } = await aura.ai.embed({
  text: 'Sovereign cloud infrastructure hosted in Europe.',
  namespace: 'legal-docs',
  metadata: { section: 'compliance', author: 'Team' },
})
console.log('Indexed document ID:', data?.id, 'Dimensions:', data?.dimensions)

200.jsonjson

{
  "data": {
    "id": "c3d4e5f6-7890-4abc-def1-234567890abc",
    "dimensions": 1536
  }
}

リクエスト

パラメータ

パラメータ	種類	必須	説明
`text`	`string`	はい	埋め込んで永続化するテキスト。
`namespace`	`string`	はい	ドキュメントスペースを分離するターゲットパーティションの名前空間。
`metadata`	`object`	いいえ	ベクターレコードに添付される任意の JSON メタデータ。

建築

多次元ストレージ

情報

Aurabase は、専用の列を備えた多次元ベクトルルーティングを提供します。

768: Gemini text-embedding-004 ( embedding_768に格納)。
1536: OpenAI text-embedding-3-small ( embedding_1536に格納)。
3072: OpenAI text-embedding-3-large (HNSW インデックス付けに halfvec を使用して embedding_3072 に保存されます)。

モデル間のセマンティックドリフトを防ぐために、ベクトルにはアクティブな embedding_model のタグが付けられます。

v1.0 · 改訂 2026/10/31
↗ OpenAPI仕様↗ GitHub

← 前へ

Ephemeral session

次へ→

セマンティック検索