API/AI Gateway/Incorporações de vetores

Incorporações de vetores

POST/v1/ai/{project_id}/embed

Calcula incorporações de texto e as armazena em colunas PostgreSQL isoladas por dimensão (768, 1536, 3072).

Esta página foi traduzida automaticamente. A versão em inglês é oficial.

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
  }
}

Solicitação

Parâmetros

Parâmetro	Tipo	Obrigatório	Descrição
`text`	`string`	sim	Texto para incorporar e persistir.
`namespace`	`string`	sim	Namespace da partição de destino isolando espaços de documentos.
`metadata`	`object`	não	Metadados JSON arbitrários anexados ao registro vetorial.

Arquitetura

Armazenamento multidimensional

Informações

Aurabase fornece roteamento vetorial multidimensional com colunas dedicadas:

768: Gêmeos text-embedding-004 (armazenado em embedding_768).
1536: OpenAI text-embedding-3-small (armazenado em embedding_1536).
3072: OpenAI text-embedding-3-large (armazenado em embedding_3072 usando halfvec para indexação HNSW).

Os vetores são marcados com o embedding_model ativo para evitar desvios semânticos entre modelos.

v1.0 · revisado 31 de out. de 2026
↗ Especificação OpenAPI↗ GitHub

← ANTERIOR

Ephemeral session

PRÓXIMO →

Pesquisa semântica