logologo
Начало
Руководство
Разработка
Плагины
API
English
简体中文
日本語
한국어
Deutsch
Français
Español
Português
Русский
Italiano
Türkçe
Українська
Tiếng Việt
Bahasa Indonesia
ไทย
Polski
Nederlands
Čeština
العربية
עברית
हिन्दी
Svenska
Начало
Руководство
Разработка
Плагины
API
logologo
Обзор

Быстрый старт

Настройка сервисов LLM
Создание AI-сотрудников
Совместная работа с AI-сотрудниками

Встроенные AI-сотрудники

Обзор
Viz: Аналитик инсайтов
Orin: Эксперт по моделированию данных
Dex: Эксперт по обработке данных
Nathan: Frontend-разработчик

Продвинутый уровень

Выбор блока
Источники данных
Навыки
Задачи
Поиск в интернете
Контроль доступа
Управление файлами

Рабочие процессы

Узел LLM

Текстовый диалог
Мультимодальный диалог
Структурированный вывод

База знаний AI

Обзор
Векторная база данных
Векторное хранилище
База знаний
RAG

Документация по применению

Сценарии

Viz: Настройка сценария CRM

Настройки

Настройки администратора
Руководство по промптам
Previous PageВекторная база данных
Next PageБаза знаний
Уведомление о переводе ИИ

Эта документация была автоматически переведена ИИ.

#Векторное хранилище

#Введение

В базе знаний, как при сохранении документов (их векторизации), так и при поиске (векторизации поисковых запросов), необходимо использовать Embedding model для обработки исходного текста.

В плагине AI Knowledge Base векторное хранилище представляет собой связку Embedding model и векторной базы данных.

#Управление векторным хранилищем

Перейдите на страницу конфигурации плагина AI Employees, нажмите вкладку Vector store и выберите Vector store, чтобы перейти на страницу управления векторными хранилищами.

20251023003023

Нажмите кнопку Add new в правом верхнем углу, чтобы добавить новое векторное хранилище:

  • В поле Name введите название векторного хранилища;
  • В поле Vector store выберите уже настроенную векторную базу данных. См. также: Векторная база данных;
  • В поле LLM service выберите уже настроенный LLM-сервис. См. также: Управление LLM-сервисами;
  • В поле Embedding model введите название Embedding модели, которую вы хотите использовать;

Нажмите кнопку Submit, чтобы сохранить информацию о векторном хранилище.

20251023003121