cicora.ai
Français
Spécification de l’APIRecherche vectorielle

Embeddings

Transformez du texte ou des entrées compatibles en vecteurs pour la recherche, le regroupement et les recommandations.

Référence d’intégration : choisissez les paramètres et les capacités disponibles dans les réglages de l’API de votre compte et dans le catalogue de modèles de votre environnement.

Créer des vecteurs

Le champ input accepte un élément ou un lot. Conservez la position de chaque entrée : l’index d’une réponse doit correspondre à votre document source.

Ne mélangez pas dans un même index des vecteurs produits par des modèles ou des dimensions différents sans plan de migration explicite.

Requête d’embedding
bash
curl --request POST https://cicora.ai/api/v1/embeddings \
  --header "Authorization: Bearer $CICORA_API_KEY" \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "openai/text-embedding-3-small",
    "input": ["First support note", "Second support note"],
    "encoding_format": "float"
  }'

Indexation

  • Normalisez le texte de la même manière pour l’indexation et la recherche.
  • Conservez l’ID du modèle et la dimension avec chaque index.
  • Divisez les documents longs en segments pertinents avant de calculer leurs embeddings.

Recherche et évaluation

Utilisez la similarité cosinus ou la métrique exigée par votre moteur vectoriel, puis appliquez éventuellement un reclassement à un petit ensemble de candidats.

Évaluez régulièrement la qualité sur des requêtes réelles. Une similarité numérique élevée ne garantit pas une réponse utile à l’utilisateur.

Continuer avec