# Gömme Modelleri

> PentAGI'nin memory ve bilgi aramasının arkasındaki gömme modelini seçin.

Vektör temsiller, [memory](https://pentagi.com/tr/docs/glossary/#memory), [knowledge base](https://pentagi.com/tr/docs/glossary/#knowledge-base) ve geçmiş sonuçlar üzerinde anlamsal aramayı mümkün kılar. Varsayılan [provider](https://pentagi.com/tr/docs/glossary/#provider) OpenAI'dir; `EMBEDDING_MODEL` ayarlanmadığında `text-embedding-ada-002` kullanılır. `.env` içinde örnek bir yapılandırma:

```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
```

OpenAI'nin `/embeddings` API'sini uygulayan herhangi bir hizmet, `EMBEDDING_PROVIDER=openai` ve özel bir `EMBEDDING_URL` ile çalışır.

> [!WARNING]
> Embedding provider'ını veya modelini değiştirirseniz, saklanan vektörleri `docker exec -it pentagi /opt/pentagi/bin/etester reindex` ile yeniden hesaplayın — farklı modellerden gelen vektörler karşılaştırılamaz. Bunun için `etester flush` çalıştırmayın: bu komut, knowledge base dahil olmak üzere saklanan her belgeyi siler.

## [Özel CA sertifikaları](https://pentagi.com/tr/docs/configuration/embeddings/#custom-ca-certificates)

Bir model arka ucu veya [tool](https://pentagi.com/tr/docs/glossary/#tool) sunucusu özel bir CA kullanıyorsa ve `x509: certificate signed by unknown authority` hatası alıyorsanız, PEM paketini `pentagi-ssl` hacmine yerleştirin ve PentAGI'yi buna yönlendirin:

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

Ardından `docker compose up -d pentagi` komutuyla yeniden başlatın.