OpenAI Embeddings
OpenAI Embeddings convierte textos en una huella numérica de su significado usando los modelos de OpenAI. 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 OpenAI.
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.
- Ya usas OpenAI como modelo de IA y quieres usar la misma cuenta.
Configuración
| Campo | Qué hace |
|---|---|
| Credential (obligatorio) | La credencial del servicio OpenAI API. Elige una con Seleccionar una credencial o crea una con Crear nueva credencial. Consulta Credenciales. |
| Model | El modelo de OpenAI que calcula las huellas: text-embedding-3-small, text-embedding-3-large o text-embedding-ada-002. Por defecto: text-embedding-3-small. |
Opciones avanzadas
| Campo | Qué hace |
|---|---|
| Dimensions | El tamaño de la huella, en cantidad de números. Solo algunos modelos lo admiten. Vacío, se usa el tamaño propio del modelo. |
| Chunk Size | Cuántos textos se envían a OpenAI en cada petición. Por defecto: 1000. |
| Max Retries | Cuántas veces se repite una petición que falla. Por defecto: 3. |
| Request Timeout | Tiempo máximo de espera de cada petición, en segundos. Vacío, se usa el de OpenAI. |
| OpenAI API Base | La dirección de un servicio compatible con OpenAI, si no usas el de OpenAI. Tiene que empezar por http. Vacío, se usa OpenAI. |
| OpenAI Organization | La organización de tu cuenta de OpenAI a la que se cargan las peticiones, si tienes varias. |
| Skip Empty | Si está activado, los textos vacíos se saltan en lugar de enviarse. Por defecto: desactivado. |
El resto de opciones avanzadas (Default Headers, Default Query, Client, Deployment, Embedding Context Length, Model Kwargs, OpenAI API Type, OpenAI API Version, OpenAI Proxy, Show Progress Bar, TikToken Model Name y TikToken Enable) son para conexiones especiales. Déjalas como están salvo que quien administra tu servicio te indique otra cosa.
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
Una gestoría, Gestoría Montes, quiere que su asistente responda con su guía de trámites.
- 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 OpenAI 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 OpenAI Embeddings para buscar los fragmentos que responden a cada pregunta.