Embeddings — PentAGI

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, la knowledge base y los resultados anteriores. OpenAI es el provider predeterminado; si no se configura EMBEDDING_MODEL, se usa text-embedding-ada-002. Un ejemplo de configuración en .env:

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.

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

Si un backend de modelo o servidor de 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:

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

Luego reinicia con docker compose up -d pentagi.