# Encontrar embeddings O bloco permite, com base em uma consulta-embedding[^1], encontrar na base de conhecimento, que consiste em uma tabela de objetos e seus embeddings, as linhas mais semelhantes e retornar os índices dessas linhas em forma de lista, ordenada em ordem decrescente de similaridade. Os embeddings tanto para a consulta quanto para a tabela de embeddings, na qual a busca é realizada, podem ser obtidos com o bloco "Obter embeddings". Na primeira utilização do bloco, ocorre a construção do banco de dados de vetores, e isso pode levar um tempo considerável. Em chamadas subsequentes do bloco com o mesmo "ID do banco", será utilizada a base de dados de vetores já criada, e a velocidade de operação do bloco aumenta significativamente.


Embedding da consulta	[Texto] Embedding para o qual é necessário encontrar linhas semelhantes na tabela. O valor para este campo pode ser obtido com o bloco "Obter embedding".
Base de conhecimento	[Tabela de Dados] Tabela na qual a busca será realizada. Uma das colunas da tabela deve conter embeddings, outras colunas da tabela podem conter quaisquer dados do usuário.
ID do banco	[Texto] É possível especificar outro ID do banco para que o bloco, na primeira execução, comece a construir o banco de dados de vetores novamente. Na primeira utilização do bloco, ocorre a construção do banco de dados de vetores e isso pode levar um tempo considerável. Em chamadas subsequentes do bloco com o mesmo "ID do banco", será utilizada a base de dados de vetores já criada, e a velocidade de operação do bloco aumenta significativamente.
Coluna de embeddings	[Número/Text] Índice ou nome da coluna da tabela especificada na propriedade "Base de conhecimento", onde os embeddings estão localizados. Por padrão `1`.
Número de resultados	[Número] Número máximo de linhas-resultados retornadas pelo bloco da base de conhecimento. Por padrão `5`.
Índices das linhas	[Lista] Lista de índices das linhas da Base de conhecimento, contendo os embeddings mais semelhantes à consulta, ordenada em ordem decrescente de similaridade.
Similaridade	[Lista] Medidas numéricas de similaridade para cada um dos resultados.
Nível de processamento	Seleção do nível de tratamento de erros. Valores possíveis: "Default" - padrão; "Ignore" - erros são ignorados; "Handle" - erros são tratados. Se o valor "Default" for selecionado, será utilizado o valor do bloco "Início" deste diagrama.
Nível de mensagens	Seleção do nível de mensagens que os blocos exibirão durante a operação. Valores possíveis: "Default" - padrão; "Release" - saída desativada; "Debug" - saída de informações principais; "Detailed" - saída de informações detalhadas. Se o valor "Default" for selecionado, será utilizado o valor do bloco "Início" deste diagrama.
Texto do erro	[Texto] Retorna informações detalhadas sobre o erro em caso de execução incorreta do bloco.

[^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/naiti-embeddingi-openaisearchembeddings.md?ask= ``` 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.