• VECTEUR
  • INDEX
  • HUMAIN
  • RAG

Générer des embeddings pour le RAG avec votre IA

Connectez SambaNova à votre client IA pour transformer du texte en vecteurs. Une fois configuré, votre agent gère les calculs nécessaires à la création de votre index de recherche.

Demandez à l'IA à propos de cette page

Réponse rapide

Comment obtenir des embeddings pour le RAG ?

Votre agent utilise SambaNova pour transformer le texte en vecteurs de haute dimension. Ces représentations permettent de remplir une base de données vectorielle pour la recherche sémantique. Vous trouverez les étapes et les prompts détaillés ci-dessous.

Résultats de l'embedding

Ce que produit ce processus

L'IA convertit le texte brut en données mathématiques exploitables pour la recherche.

VECTEUR

Vecteurs de haute dimension

L'IA produit des représentations numériques denses de votre texte. Ces vecteurs capturent le sens sémantique de vos données.

INDEX

Stockages vectoriels remplis

Vous obtenez les données nécessaires pour alimenter votre base de données vectorielle. Cela permet à votre agent d'effectuer des recherches de similarité.

HUMAIN

Décisions de découpage

Vous devez décider comment segmenter vos documents avant l'embedding. L'IA suit vos instructions pour structurer l'entrée.

RAG

Récupération contextuelle

Les embeddings permettent à votre agent de trouver le contexte pertinent lors d'une requête. Cela rend votre système RAG bien plus précis.

Le flux

Ce que fait votre IA quand le texte arrive.

L'agent gère la conversion du texte en données vectorielles.

  1. Préparer le texte

    Votre agent découpe vos documents en segments spécifiques. Cela garantit que les embeddings représentent des informations distinctes.

    create_embedding

  2. Exécuter l'inférence

    L'agent envoie les segments de texte à SambaNova pour générer les valeurs vectorielles.

    create_embedding

  3. Vérifier les dimensions

    L'IA vérifie que les embeddings générés respectent le format de haute dimension attendu.

    create_embedding

  4. Prêt pour le stockage

    L'agent fournit les vecteurs finaux pour que vous puissiez les transférer dans votre base de données.

    create_embedding

Essayez

Copiez ces exemples pour commencer.

Utilisez ces prompts pour lancer le processus d'embedding.

Points de départ

Remplacez les noms de fichiers ou les extraits de texte par vos propres données.

SambaNova Connector

Tout est prêt. Choisissez votre client MCP et suivez les instructions de configuration.

Lien du connecteurhttps://edge.vinkius.com/vk_preview_z52tsMdkFaoCTCBeg6u7bbxNhhnjcT0r5KXU6hjj/mcp

Claude Desktop

Suivez les étapes ci-dessous pour vous connecter en quelques secondes.

  1. 1In Claude Desktop, open Settings → Connectors.
  2. 2Click “Add custom connector” and paste the connector link above as the remote MCP server URL.
  3. 3Click Add and start a new chat — SambaNova capabilities are ready to use.
Configuration · claude_desktop_config.jsonCopier
{
  "mcpServers": {
    "sambanova-ai-inference-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_z52tsMdkFaoCTCBeg6u7bbxNhhnjcT0r5KXU6hjj/mcp"
    }
  }
}
Copiez dans le chat04

  • Générer des embeddings pour le contenu de 'project_notes.txt'.

  • Créer des vecteurs pour ce texte : [collez votre texte ici].

  • Transformer les données de 'user_manual.pdf' en embeddings pour mon système RAG.

  • Encoder le contenu de 'api_docs.md' pour une utilisation en recherche contextuelle.

  • Claude
  • ChatGPT
  • Cursor
  • VS Code
  • Windsurf
  • Claude Code
  • JetBrains
  • Cline

Commencez ici

Connectez SambaNova une fois, puis demandez.

Liez votre compte une seule fois, vos identifiants restent chiffrés. Retrouvez tous les détails techniques sur la page du Connector.

Connecter SambaNova à votre IA

FAQ

Fonctionnement de la tâche

  • 01

    L'IA peut-elle enregistrer automatiquement ces vecteurs dans ma base de données ?

    Non. L'IA génère les embeddings, mais c'est à vous de gérer le stockage effectif dans votre base de données vectorielle.

  • 02

    L'IA modifie-t-elle mes fichiers originaux ?

    Non. L'outil lit uniquement le texte pour créer les embeddings ; il ne touchera pas à vos fichiers sources.

  • 03

    Puis-je encoder des images ou de l'audio ?

    Non. Cet outil est conçu spécifiquement pour les embeddings de texte.

  • 04

    L'IA décidera-t-elle seule du découpage de mes documents ?

    L'IA peut segmenter le texte, mais vous devez lui indiquer précisément comment diviser les données pour obtenir les meilleurs résultats.

  • 05

    L'IA peut-elle supprimer ma base de données vectorielle ?

    Non. Cet outil n'a aucune capacité de suppression ou de modification de bases de données externes.

  • D'autres questions sur SambaNova ? Voir toutes les capacités du Connector SambaNova

Connectez SambaNova à Claude, Cursor, ChatGPT et d'autres