# AI Server. Encontrar embeddings

O bloco permite:

* encontrar as linhas mais semelhantes na base de conhecimento com base em uma consulta-embedding[^1],
* retornar uma lista delas, ordenada em ordem decrescente de similaridade.

A base de conhecimento pode ser preenchida com os blocos "AI Server. Adicionar documento" e "AI Server. Adicionar chunks".

<table data-header-hidden><thead><tr><th width="296.76666259765625" valign="top"></th><th width="323.566650390625" valign="top"></th></tr></thead><tbody><tr><td valign="top">Consulta de pesquisa</td><td valign="top">[Texto] Texto que deve ser encontrado.</td></tr><tr><td valign="top">Número de resultados</td><td valign="top">[Número] Quantidade de resultados na resposta.</td></tr><tr><td valign="top">Lista de GUID/Caminhos para arquivos</td><td valign="top"><p>[Lista] Lista de GUID de arquivos ou caminhos onde a pesquisa deve ser realizada.</p><p>Por exemplo, <code>@("GUID";"Pasta 1\Subpasta 2\Subpasta 3\Documento.docx")</code>.</p><p>O caminho para o arquivo deve conter o nome do arquivo e a extensão.</p></td></tr><tr><td valign="top">Lista de GUID/Caminhos para pastas</td><td valign="top"><p>[Lista] Lista de GUID ou caminhos de pastas onde a pesquisa deve ser realizada.</p><p>Por exemplo, <code>@("GUID";"Pasta 1\Subpasta 2\Subpasta 3")</code>.</p></td></tr><tr><td valign="top">Incluir subpastas</td><td valign="top">Se ativado, as subpastas serão consideradas.</td></tr><tr><td valign="top">Timeout</td><td valign="top">[Número] Tempo máximo de espera pela resposta em segundos.</td></tr><tr><td valign="top">Resultado</td><td valign="top"><p>[Lista de objetos] Lista de objetos ChunkItem.</p><p>Propriedades disponíveis:</p><ul><li>Text - texto do chunk;</li><li>FileGUID - GUID do arquivo onde o chunk foi encontrado;</li><li>FolderGUID - GUID da pasta onde o chunk foi encontrado;</li><li>FileName - nome do arquivo com extensão, mas sem o caminho da pasta;</li><li>FilePath - nome do arquivo com o caminho da pasta;</li><li>Metadata - metadados do chunk;</li><li>FileMetadata - metadados do arquivo;</li><li>Distance - grau de proximidade.</li></ul></td></tr><tr><td valign="top">Nível de processamento</td><td valign="top"><p>Seleção do nível de tratamento de erros. Valores possíveis:</p><ul><li>"Default" - padrão;</li><li>"Ignore" - erros são ignorados;</li><li>"Handle" - erros são tratados.</li></ul><p>Se o valor "Default" for selecionado, o valor do bloco "Início" deste diagrama será utilizado.</p></td></tr><tr><td valign="top">Nível de mensagens</td><td valign="top"><p>Seleção do nível de mensagens que os blocos exibirão durante a operação. Valores possíveis:</p><ul><li>"Default" - padrão;</li><li>"Release" - saída desativada;</li><li>"Debug" - saída de informações principais;</li><li>"Detailed" - saída de informações detalhadas.</li></ul><p>Se o valor "Default" for selecionado, o valor do bloco "Início" deste diagrama será utilizado.</p></td></tr><tr><td valign="top">Texto do erro</td><td valign="top">[Texto] Retorna informações detalhadas sobre o erro em caso de execução incorreta do bloco.</td></tr></tbody></table>

[^1]: Embedding é um vetor (conjunto de números) que caracteriza o significado associado ao texto de entrada fornecido. Palavras ou frases com significados próximos terão embeddings com distância coseno mínima. Embeddings também podem ser usados para buscar palavras, linhas ou parágrafos mais próximos em significado em bancos de dados de documentos.


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.sherparpa.ru/pt/sherpa-rpa/sherpa-designer/spravochnik-blokov/mashinnoe-obuchenie-machine-learning/ai-server.-naiti-embeddingi-searchembeddingsaiserver.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
