Ajouter des documents de type tableur

Téléversez en lot des documents de type tableur, qui seront traités séquentiellement par découpage/partitionnement, embedding/vectorisation et stockage afin d'obtenir de nouveaux ID de document.

Remarque :
Vous pouvez spécifier le modèle d'embedding via embedding_model_version_id ; s'il est omis, le modèle d'embedding par défaut du système est utilisé.
Seuls les résultats du téléversement sont renvoyés, pas les résultats finaux d'embedding. Vous pouvez obtenir les résultats finaux via l'API "Interroger le statut du document".

Méthode de requête

POST

URL de la requête

https://api-${endpoint}.gptbots.ai/v1/bot/doc/spreadsheet/add

Authentification de la requête

Voir la section Présentation pour les détails d'authentification.

Requête

Exemple de requête

curl -X POST 'https://api-${endpoint}.gptbots.ai/v1/bot/doc/spreadsheet/add' \ -H 'Authorization: Bearer ${API Key}' \ -H 'Content-Type: application/json' \ -d '{ "knowledge_base_id": "67457fea6f658672d6482542", "embedding_model_version_id": "6620f06262390a0be1411c5d", "chunk_token": 700, "header_row": 5, "files": [ { "file_url": "https://www.gptbots.ai/doc/spreadsheet_1.xlsx", "file_base64": "SGVsbG8sIEJhc2U2NCBFbmNvZGluZyE=", "source_url": "https://www.gptbots.ai/doc/spreadsheet_1.xlsx", "file_name": "spreadsheet_1.xlsx" } ] }'

                      
                      curl -X POST 'https://api-${endpoint}.gptbots.ai/v1/bot/doc/spreadsheet/add' \
-H 'Authorization: Bearer ${API Key}' \
-H 'Content-Type: application/json' \
-d '{
    "knowledge_base_id": "67457fea6f658672d6482542",
    "embedding_model_version_id": "6620f06262390a0be1411c5d",
    "chunk_token": 700,
  "header_row": 5,
    "files": [
        {
            "file_url": "https://www.gptbots.ai/doc/spreadsheet_1.xlsx",
            "file_base64": "SGVsbG8sIEJhc2U2NCBFbmNvZGluZyE=",
            "source_url": "https://www.gptbots.ai/doc/spreadsheet_1.xlsx",
            "file_name": "spreadsheet_1.xlsx"
        }
    ]
}'

Ce bloc de code dans la fenêtre flottante

En-têtes de la requête

Champ	Type	Description
Authorization	Bearer ${API Key}	Utilisez Authorization: Bearer ${API Key} pour l'authentification. Obtenez la clé API depuis la page Clé API.
Content-Type	application/json	Type de données, à définir sur `application/json`.

Paramètres de la requête

Nom du champ	Type	Obligatoire	Description
knowledge_base_id	String	Non	La base de connaissances cible à laquelle le document est ajouté. Si non renseigné, la base "Par défaut" est utilisée.
files	Array<Object>	Oui	Liste des documents à ajouter. Prend en charge l'ajout de jusqu'à 20 documents simultanément.
file_url	String	Non	L'URL du document à ajouter. Formats pris en charge : csv/xls/xlsx. Taille maximale par document : 10 Mo. Remarque : soit l'URL, soit le base64 doit être fourni. Si les deux sont fournis, le base64 est prioritaire.
file_base64	String	Non	Le base64 du document à ajouter. Formats pris en charge : csv/xls/xlsx. Taille maximale par document : 10 Mo. Remarque : soit l'URL, soit le base64 doit être fourni. Si les deux sont fournis, le base64 est prioritaire.
file_name	String	Oui	Le nom du document à ajouter. 1 à 200 caractères.
source_url	String	Non	L'URL source du document à ajouter. Doit respecter les spécifications du format URL.
embedding_model_version_id	String	Non	ID de la version du modèle d'embedding utilisé pour vectoriser ce lot de documents. S'il est omis, le modèle d'embedding par défaut du système est utilisé. Obtenez une valeur valide dans le champ `modelId` du groupe `EMBEDDING` renvoyé par l'API Obtenir la liste des modèles.
chunk_token	Integer	Non	Nombre maximal de tokens par segment de connaissance lors du découpage. Valeur par défaut : 600. Plage : 1-1000.
header_row	Integer	Non	Nombre maximal de lignes d'en-tête. Les documents de type tableur sont découpés selon "en-tête + lignes de données". Valeur par défaut : 1. Plage : 1-5.

Réponse

Exemple de réponse

{ "doc": [ { "doc_id": "xxxxxx", "doc_name": "test_1.csv" }, { "doc_id": "xxxxxx", "doc_name": "test_2.xlsx" } ], "failed": [ "file_1", "file_2" ] }

                      
                      {
    "doc": [
        {
            "doc_id": "xxxxxx",
            "doc_name": "test_1.csv"
        },
        {
            "doc_id": "xxxxxx",
            "doc_name": "test_2.xlsx"
        }
    ],
    "failed": [
        "file_1",
        "file_2"
    ]
}

Ce bloc de code dans la fenêtre flottante

Réponse en cas de succès

Champ	Type	Description
doc	Array<Object>	Liste des documents ajoutés.
doc_id	String	ID du document ajouté.
doc_name	String	Nom du document ajouté.
failed	Array<Object>	Liste des noms de documents dont l'ajout a échoué.

Réponse en cas d'échec

Champ	Type	Description
code	Int	Code d'erreur.
message	String	Détails de l'erreur.

Codes d'erreur

Code	Message
40000	Paramètre invalide
40000	The embedding_model_version_id does not exist: l'ID de version de modèle indiqué est introuvable dans le catalogue de modèles de la plateforme
40000	The embedding_model_version_id is not an embedding model: l'ID indiqué correspond à un modèle qui n'est pas un modèle d'embedding (par exemple le `modelId` d'un modèle de chat)
40000	The embedding_model_version_id is not an available embedding model: le fournisseur de ce modèle d'embedding ne prend pas encore en charge la spécification via l'API
40127	Échec de l'authentification du développeur
20059	Agent supprimé

Remarque : si la validation de embedding_model_version_id échoue, aucun document du lot n'est créé et aucun n'apparaît dans la liste failed ; la réponse d'erreur ci-dessus est renvoyée directement.