# Embeddings

> Kies het embeddingmodel achter het memory en de kenniszoekfunctie van PentAGI.

Embeddings maken semantisch zoeken mogelijk in het [memory](https://pentagi.com/nl/docs/glossary/#memory), de [knowledge base](https://pentagi.com/nl/docs/glossary/#knowledge-base) en eerdere resultaten. OpenAI is de standaardprovider; als er geen `EMBEDDING_MODEL` is ingesteld, wordt `text-embedding-ada-002` gebruikt. Een voorbeeldconfiguratie in `.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
```

Elke service die de `/embeddings`-API van OpenAI implementeert, werkt met `EMBEDDING_PROVIDER=openai` en een aangepaste `EMBEDDING_URL`.

> [!WARNING]
> Als je de embeddingprovider of het model wijzigt, bereken dan de opgeslagen vectoren opnieuw met `docker exec -it pentagi /opt/pentagi/bin/etester reindex` — vectoren van verschillende modellen zijn niet onderling vergelijkbaar. Voer hiervoor niet `etester flush` uit: dit verwijdert elk opgeslagen document, inclusief die in de knowledge base.

## [Aangepaste CA-certificaten](https://pentagi.com/nl/docs/configuration/embeddings/#custom-ca-certificates)

Als een modelbackend of toolserver een privé-CA gebruikt en je ziet `x509: certificate signed by unknown authority`, plaats dan de PEM-bundle in de `pentagi-ssl`-volume en verwijs PentAGI ernaar:

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

Start daarna opnieuw op met `docker compose up -d pentagi`.