Aller au contenu
PentAGI
Configuration

Embeddings

Choisissez le modèle d'embedding utilisé pour la memory et la recherche de connaissances de PentAGI.

Les vecteurs d'embedding alimentent la recherche sémantique sur la memory, la knowledge base et les résultats précédents. OpenAI est le provider par défaut ; en l'absence de EMBEDDING_MODEL défini, il utilise text-embedding-ada-002. Un exemple de configuration dans .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

Tout service implémentant l'API /embeddings d'OpenAI fonctionne avec EMBEDDING_PROVIDER=openai et une EMBEDDING_URL personnalisée.

Si vous changez de provider d'embeddings ou de modèle, recalculez les vecteurs stockés avec docker exec -it pentagi /opt/pentagi/bin/etester reindex — les vecteurs provenant de modèles différents ne sont pas comparables. N'exécutez pas etester flush pour cela : cela supprime tous les documents stockés, y compris la knowledge base.

Certificats d'autorité de certification personnalisés

Si un backend de modèle ou un serveur de tool utilise une autorité de certification privée et que vous observez x509: certificate signed by unknown authority, placez le bundle PEM dans le volume pentagi-ssl et configurez PentAGI pour qu'il l'utilise :

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

Redémarrez ensuite avec docker compose up -d pentagi.

Dernière mise à jour le