API/AI Gateway/Osadzania wektorowe

Osadzania wektorowe

POST/v1/ai/{project_id}/embed

Oblicza osadzenie tekstu i zapisuje je w izolowanych wymiarowo kolumnach PostgreSQL (768, 1536, 3072).

Ta strona została przetłumaczona automatycznie. Wersja angielska jest miarodajna.

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
  }
}

Wniosek

Parametry

Parametr	Typ	Wymagany	Opis
`text`	`string`	Tak	Tekst do osadzenia i utrwalenia.
`namespace`	`string`	Tak	Przestrzeń nazw partycji docelowej izolująca przestrzenie dokumentów.
`metadata`	`object`	NIE	Dowolne metadane JSON dołączone do rekordu wektorowego.

Architektura

Przechowywanie wielowymiarowe

Informacje

Aurabase zapewnia wielowymiarowe routing wektorowy z dedykowanymi kolumnami:

768: Bliźnięta text-embedding-004 (przechowywane w embedding_768).
1536: OpenAI text-embedding-3-small (przechowywany w embedding_1536).
3072: OpenAI text-embedding-3-large (przechowywany w embedding_3072 przy użyciu halfvec do indeksowania HNSW).

Wektory są oznaczone aktywnym embedding_model, aby zapobiec dryfowi semantycznemu między modelami.

v1.0 · poprawiony 31 paź 2026
↗ Specyfikacja OpenAPI↗ GitHuba

← POPRZEDNI

Ephemeral session

DALEJ →

Wyszukiwanie semantyczne