Embeddings
Gli embeddings aiutano a confrontare il significato dei testi. Sono facoltativi: senza di essi il plugin utilizza la ricerca per parole chiave.
Il modello che risponde e il modello embeddings sono indipendenti. Puoi usare Grok per rispondere e OpenAI per gli embeddings, oppure Anthropic per rispondere e Mistral per gli embeddings.
| Modello embeddings nel plugin | Chiave richiesta |
|---|---|
text-embedding-3-small |
OpenAI |
text-embedding-3-large |
OpenAI |
text-embedding-ada-002 |
OpenAI; modello storico presente nel menu |
mistral-embed |
Mistral |
Per attivarli:
- Apri API → Semantic Embeddings e abilita l’opzione.
- Scegli il modello embeddings.
- Assicurati che sia disponibile una chiave del servizio corrispondente. Puoi usare il campo dedicato agli embeddings quando manca una chiave adatta per il chatbot.
- Salva e avvia Re-index All Sources dalla Base di conoscenza.
Il plugin cerca la chiave nella costante del server, nelle credenziali del chatbot per quel servizio, nel campo dedicato agli embeddings e infine nelle opzioni globali Botshido del servizio. Una chiave generica del chatbot viene riutilizzata solo se appartiene al servizio embeddings scelto.
Se la chiave manca, nelle schede API e Base di conoscenza compare un avviso che indica OpenAI o Mistral. La spunta può restare attiva, ma il chatbot usa la ricerca per parole chiave; il lavoro di generazione embeddings non può completarsi. Dopo aver salvato una chiave l’avviso scompare: questo conferma la presenza di credenziali, non la loro validità o il credito disponibile.
Se una chiamata embeddings fallisce durante la ricerca, il chatbot ripiega sulla ricerca per parole chiave. Indicizzazione e ricerca con embeddings possono generare costi aggiuntivi. Cambiando modello, reindicizza le fonti di ciascun chatbot interessato, perché la scelta del modello è condivisa.