# Embeddingi

> Wybierz model embeddingów używany przez memory i wyszukiwanie wiedzy w PentAGI.

Osadzanie umożliwia wyszukiwanie semantyczne w [memory](https://pentagi.com/pl/docs/glossary/#memory), [knowledge base](https://pentagi.com/pl/docs/glossary/#knowledge-base) i wcześniejszych wynikach. Domyślnym [provider](https://pentagi.com/pl/docs/glossary/#provider) jest OpenAI; jeśli nie ustawisz `EMBEDDING_MODEL`, system używa `text-embedding-ada-002`. Przykładowa konfiguracja w `.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
```

Każda usługa implementująca API `/embeddings` od OpenAI działa z `EMBEDDING_PROVIDER=openai` i niestandardowym `EMBEDDING_URL`.

> [!WARNING]
> Jeśli zmienisz provider osadzania lub model, przelicz zapisane wektory za pomocą `docker exec -it pentagi /opt/pentagi/bin/etester reindex` — wektory z różnych modeli nie są porównywalne. Nie uruchamiaj `etester flush` w tym celu: usuwa on wszystkie zapisane dokumenty, w tym knowledge base.

## [Niestandardowe certyfikaty CA](https://pentagi.com/pl/docs/configuration/embeddings/#custom-ca-certificates)

Jeśli backend modelu lub serwer [tool](https://pentagi.com/pl/docs/glossary/#tool) korzysta z prywatnego CA i widzisz błąd `x509: certificate signed by unknown authority`, umieść pakiet PEM w woluminie `pentagi-ssl` i wskaż go w PentAGI:

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

Następnie uruchom ponownie za pomocą `docker compose up -d pentagi`.