Эмбеддинги

Выберите модель эмбеддингов для memory и поиска знаний PentAGI.

Эмбеддинги обеспечивают семантический поиск по memory, knowledge base и предыдущим результатам. По умолчанию используется provider OpenAI; если EMBEDDING_MODEL не задан, применяется text-embedding-ada-002. Пример конфигурации в .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

Любой сервис, реализующий API /embeddings от OpenAI, совместим с EMBEDDING_PROVIDER=openai и пользовательским EMBEDDING_URL.

Если вы меняете provider эмбеддингов или модель, пересчитайте сохранённые векторы с помощью docker exec -it pentagi /opt/pentagi/bin/etester reindex — векторы от разных моделей несопоставимы. Не запускайте для этого etester flush: эта команда удаляет все сохранённые документы, включая knowledge base.

Пользовательские CA-сертификаты

Если бэкенд модели или сервер tool использует частный центр сертификации, и вы наблюдаете ошибку x509: certificate signed by unknown authority, поместите PEM-бандл в том pentagi-ssl и укажите путь к нему для PentAGI:

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

Затем перезапустите сервисы командой docker compose up -d pentagi.