# Embeddings

> Elige el modelo de embeddings detrás de la memory y la búsqueda de conocimiento de PentAGI.

Los embeddings impulsan la búsqueda semántica en la [memory](https://pentagi.com/es/docs/glossary/#memory), la [knowledge base](https://pentagi.com/es/docs/glossary/#knowledge-base) y los resultados anteriores. OpenAI es el [provider](https://pentagi.com/es/docs/glossary/#provider) predeterminado; si no se configura `EMBEDDING_MODEL`, se usa `text-embedding-ada-002`. Un ejemplo de configuración en `.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
```

Cualquier servicio que implemente la API `/embeddings` de OpenAI funciona con `EMBEDDING_PROVIDER=openai` y una `EMBEDDING_URL` personalizada.

> [!WARNING]
> Si cambias el provider de embeddings o el modelo, recalcula los vectores almacenados con `docker exec -it pentagi /opt/pentagi/bin/etester reindex` — los vectores de distintos modelos no son comparables. No ejecutes `etester flush` para esto: borra todos los documentos almacenados, incluida la knowledge base.

## [Certificados CA personalizados](https://pentagi.com/es/docs/configuration/embeddings/#custom-ca-certificates)

Si un backend de modelo o servidor de [tool](https://pentagi.com/es/docs/glossary/#tool) usa una CA privada y ves `x509: certificate signed by unknown authority`, coloca el paquete PEM en el volumen `pentagi-ssl` y configura PentAGI para que lo use:

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

Luego reinicia con `docker compose up -d pentagi`.