# Embeddingy

> Vyberte model embeddingů pro memory a vyhledávání znalostí v PentAGI.

Embeddings umožňují sémantické vyhledávání v [memory](https://pentagi.com/cs/docs/glossary/#memory), [knowledge base](https://pentagi.com/cs/docs/glossary/#knowledge-base) a minulých výsledcích. Výchozím [provider](https://pentagi.com/cs/docs/glossary/#provider) je OpenAI; pokud není nastaveno `EMBEDDING_MODEL`, použije se `text-embedding-ada-002`. Příklad konfigurace v `.env`:

```bash
EMBEDDING_PROVIDER=openai          # openai, ollama, mistral, jina, huggingface, googleai, voyageai
EMBEDDING_MODEL=text-embedding-3-small
# optional custom endpoint
EMBEDDING_URL=
# provider API key, if required
EMBEDDING_KEY=
EMBEDDING_BATCH_SIZE=512               # default
EMBEDDING_MAX_TEXT_BYTES=8192          # default
```

Jakákoli služba implementující API `/embeddings` od OpenAI funguje s `EMBEDDING_PROVIDER=openai` a vlastním `EMBEDDING_URL`.

> [!WARNING]
> Pokud změníte embedding provider nebo model, přepočítejte uložené vektory pomocí `docker exec -it pentagi /opt/pentagi/bin/etester reindex` — vektory z různých modelů nejsou porovnatelné. Nepoužívejte pro tento účel `etester flush`: smaže všechny uložené dokumenty, včetně knowledge base.

## [Vlastní certifikáty CA](https://pentagi.com/cs/docs/configuration/embeddings/#custom-ca-certificates)

Pokud backend modelu nebo [tool](https://pentagi.com/cs/docs/glossary/#tool) server používá soukromou certifikační autoritu a zobrazuje se chyba `x509: certificate signed by unknown authority`, umístěte svazek PEM do svazku `pentagi-ssl` a nasměrujte na něj PentAGI:

```bash
EXTERNAL_SSL_CA_PATH=/opt/pentagi/ssl/ca-bundle.pem
EXTERNAL_SSL_INSECURE=false
```

Poté restartujte pomocí `docker compose up -d pentagi`.