Embeddings

Catalogue des nœuds Intelligence artificielle

Sur cette page

Créer des embeddings

Utilisation et spécificités

Le fournisseur et le modèle doivent prendre en charge les embeddings. La sortie contient vectors, texts et model. Réutilisez une dimension compatible avec le vector store cible.

Type technique : ai_embeddings. Runtime : nodulz.

Identifiants et prérequis

Créer et configurer l’identifiant : ai-model

Créez l’identifiant dans la rubrique Identifiants de votre instance nodulz, puis sélectionnez-le dans le nœud. Les identifiants disponibles dépendent du propriétaire et du partage. Consultez le guide des identifiants pour les accès et la rotation.

Paramètres

Les noms ci-dessous correspondent aux clés techniques. Les valeurs par défaut ne constituent pas une configuration prête à exécuter : renseignez les champs requis par votre opération. Les chemins contenant [] décrivent les éléments d’une liste ; certains champs dépendent du mode sélectionné.

Paramètre	Type	Par défaut	Valeurs / limites
`credentialId`	`string`	-	-
`model`	`string`	`"text-embedding-3-small"`	-
`input`	`string`	`""`	-
`inputSource`	`string`	`""`	-
`inputType`	`enum`	`"document"`	`document`, `query`
`batchSize`	`number`	`64`	-; ≥ 1, ≤ 128
`maxBatchCharacters`	`number`	`24000`	-; ≥ 1, ≤ 1000000

Configuration initiale

Exemple de configuration initiale du catalogue, à adapter avant exécution. Les secrets doivent rester dans les identifiants.

json

{
  "model": "text-embedding-3-small",
  "input": "",
  "inputSource": "",
  "inputType": "document",
  "batchSize": 64,
  "maxBatchCharacters": 24000
}

Vérification

Testez le nœud avec des données représentatives. Contrôlez sa sortie dans l’inspecteur et les logs, puis utilisez le mapping de l’éditeur pour les champs des nœuds suivants. Un test de déclencheur avec payload simulé ne valide pas la livraison du service externe.

Voir aussi : Expressions et données, Exécutions, Catalogue des nœuds.