Obtener embeddings#
El bloque permite obtener embeddings[^1] a partir de una cadena o lista de cadenas utilizando el servicio de Open AI.
| Texto | [Texto/Lista] Texto de entrada o lista de textos para los cuales se calcularán los embeddings. Si se proporciona una lista de textos como entrada, la salida también será una lista de embeddings para cada uno de los elementos del texto de entrada. La longitud máxima permitida de cada línea es de 8192 tokens. |
| Modelo | Seleccione el modelo para generar la respuesta. |
| Como tabla de datos | Si se activa, el resultado se devolverá como una tabla de datos con dos columnas: "Texto" y "Embeddings". |
| Tiempo de espera | [Número] Tiempo máximo de espera para la respuesta en segundos. |
| Número de intentos | [Número] Número de intentos en caso de error de conexión con el servidor. |
| Embeddings | [Texto/Lista/Tabla de Datos] Si se ha proporcionado una sola línea como entrada, la salida será una representación vectorial del embedding en formato JSON (array de números). Si se ha proporcionado una lista de líneas como entrada, la salida será una lista de embeddings en formato JSON (array de números). Si se activa la propiedad "Como tabla de datos", la salida será una tabla de datos con dos columnas: "Texto" y "Embeddings". |
| Nivel de procesamiento | Selección del nivel de manejo de errores. Valores posibles:
Si se selecciona el valor "Default", se utilizará el valor del bloque "Inicio" de este diagrama. |
| Nivel de mensajes | Selección del nivel de mensajes que los bloques mostrarán durante su funcionamiento. Valores posibles:
Si se selecciona el valor "Default", se utilizará el valor del bloque "Inicio" de este diagrama. |
| Texto de error | [Texto] Devuelve información detallada sobre el error en caso de que la ejecución del bloque no sea correcta. |
[^1]: El embedding es un vector (conjunto de números) que caracteriza el significado asociado con el texto de entrada proporcionado. Las palabras o frases con significados similares tendrán embeddings con una distancia coseno mínima. Los embeddings también pueden utilizarse para buscar palabras, líneas o párrafos que sean semánticamente cercanos en bases de datos de documentos.