NVIDIA Embeddings
NVIDIA Embeddings convierte textos en una huella numérica de su significado usando los modelos del servicio de IA de NVIDIA. Con esa huella, NappAI puede encontrar los documentos que dicen algo parecido a lo que buscas aunque usen otras palabras, por ejemplo en una base de conocimiento.
El componente se conecta a una base de datos vectorial, que lo usa tanto para guardar tus documentos como para buscar en ellos. Úsalo si tu empresa trabaja con NVIDIA.
Cuándo usarlo
- Dar a un agente el conocimiento de tus manuales, contratos o preguntas frecuentes, guardándolos en una base de datos vectorial.
- Montar un buscador interno que encuentre documentos por su significado y no solo por palabras exactas.
- Tu empresa ya tiene cuenta en el servicio de IA de NVIDIA.
Configuración
| Campo | Qué hace |
|---|---|
| Credential (obligatorio) | La credencial del servicio NVIDIA API. Elige una con Seleccionar una credencial o crea una con Crear nueva credencial. Consulta Credenciales. |
| Model | El modelo de NVIDIA que calcula las huellas: nvidia/nv-embed-v1 o snowflake/arctic-embed-I. Por defecto: nvidia/nv-embed-v1. |
| NVIDIA Base URL | La dirección del servicio de NVIDIA. Por defecto, la dirección pública de NVIDIA; no hace falta cambiarla. |
Opciones avanzadas
| Campo | Qué hace |
|---|---|
| Model Temperature | Ajuste heredado de los modelos que escriben texto. Por defecto: 0.1. No hace falta cambiarlo. |
Resultado
- Embeddings: el modelo que calcula las huellas, listo para usar. Conéctalo a la entrada Embedding de una base de datos vectorial: Astra DB, Cassandra, Chroma DB, Couchbase, Elasticsearch, FAISS, Milvus, MongoDB Vector Store, PGVector, Pinecone, Qdrant, Redis, Supabase Vector Store, Upstash, Vectara, Weaviate Cloud (v4). También lo aceptan otros componentes con una entrada de este tipo, como Semantic Text Splitter o Text Embedder.
Ejemplo
Un fabricante de maquinaria, Talleres Alcor, quiere que su asistente responda con sus manuales de mantenimiento.
- En un flujo de carga, divide los documentos en fragmentos con Recursive Character Text Splitter y pásalos a Chroma DB con Operation en
Add. - Añade NVIDIA Embeddings y conecta su salida Embeddings a la entrada Embedding de Chroma DB.
- En el flujo del asistente, usa la misma colección de Chroma DB con el mismo componente NVIDIA Embeddings para buscar los fragmentos que responden a cada pregunta.