> ## Documentation Index > Fetch the complete documentation index at: https://docs.mka1.com/llms.txt > Use this file to discover all available pages before exploring further. # Usar arquivos e lojas vetoriais > Envie arquivos para a API MKA1, indexe-os em uma loja vetorial e realize buscas semânticas sobre os fragmentos de documentos resultantes. Use Arquivos para enviar documentos uma única vez. Use Lojas Vetoriais para indexar esses arquivos para busca semântica e recuperação. Esse é o padrão recomendado para assistentes baseados em documentos, fluxos de trabalho de recuperação e respostas fundamentadas. ## Enviar um arquivo Envie o arquivo usando `multipart/form-data`. A especificação OpenAPI exige `file` e `purpose`. ```bash CLI theme={null} mka1 llm files upload \ --file ./support-manual.pdf \ --purpose assistants \ -H 'X-On-Behalf-Of: ' ``` ```ts MKA1 SDK theme={null} import { SDK } from '@meetkai/mka1'; const mka1 = new SDK({ apiKey: '' }); const file = Bun.file('./support-manual.pdf'); const result = await mka1.llm.files.upload( { file, purpose: 'assistants' }, { headers: { 'X-On-Behalf-Of': '' } } ); ``` ```ts OpenAI SDK theme={null} import OpenAI from 'openai'; import fs from 'fs'; const openai = new OpenAI({ apiKey: '', baseURL: 'https://apigw.mka1.com/api/v1/llm', defaultHeaders: { 'X-On-Behalf-Of': '' }, }); const file = await openai.files.create({ file: fs.createReadStream('./support-manual.pdf'), purpose: 'assistants', }); ``` ```csharp C# SDK theme={null} using MeetKai.MKA1; using MeetKai.MKA1.Types.Components; using MeetKai.MKA1.Types.Requests; var sdk = new SDK( bearerAuth: $"Bearer {YOUR_API_KEY}", serverUrl: "https://apigw.mka1.com" ); var res = await sdk.Llm.Files.UploadAsync(new UploadFileRequestBody() { File = new UploadFileFile() { FileName = "support-manual.pdf", Content = System.IO.File.ReadAllBytes("./support-manual.pdf"), }, Purpose = UploadFilePurpose.Assistants, }); ``` ```python Python SDK theme={null} from mka1 import SDK sdk = SDK(bearer_auth="Bearer YOUR_API_KEY") result = sdk.llm.files.upload( file={ "file_name": "support-manual.pdf", "content": open("./support-manual.pdf", "rb"), }, purpose="assistants", ) ``` ```bash bash theme={null} curl https://apigw.mka1.com/api/v1/llm/files \ --request POST \ --header 'Authorization: Bearer ' \ --header 'X-On-Behalf-Of: ' \ --form 'file=@./support-manual.pdf' \ --form 'purpose=assistants' ``` A resposta retorna um objeto `file` com um ID como `file-abc123`. ## Criar uma loja vetorial Crie uma loja vetorial e anexe um ou mais IDs de arquivos enviados. ```bash CLI theme={null} mka1 llm vector-stores create --body '{ "name": "Base de conhecimento de suporte", "description": "Manuais de suporte e documentos da central de ajuda indexados", "file_ids": ["file-abc123"], "expires_after": { "anchor": "last_active_at", "days": 30 } }' ``` ```ts MKA1 SDK theme={null} const vectorStore = await mka1.llm.vectorStores.create( { name: 'Base de conhecimento de suporte', description: 'Manuais de suporte e documentos da central de ajuda indexados', fileIds: ['file-abc123'], expiresAfter: { anchor: 'last_active_at', days: 30 }, }, { headers: { 'X-On-Behalf-Of': '' } } ); ``` ```ts OpenAI SDK theme={null} const vectorStore = await openai.vectorStores.create({ name: 'Base de conhecimento de suporte', description: 'Manuais de suporte e documentos da central de ajuda indexados', file_ids: ['file-abc123'], expires_after: { anchor: 'last_active_at', days: 30 }, }); ``` ```csharp C# SDK theme={null} var vs = await sdk.Llm.VectorStores.CreateAsync(new CreateVectorStoreRequest() { Name = "Base de conhecimento de suporte", Description = "Manuais de suporte e documentos da central de ajuda indexados", }); ``` ```python Python SDK theme={null} vector_store = sdk.llm.vector_stores.create( name="Base de conhecimento de suporte", description="Manuais de suporte e documentos da central de ajuda indexados", ) ``` ```bash bash theme={null} curl https://apigw.mka1.com/api/v1/llm/vector_stores \ --request POST \ --header 'Content-Type: application/json' \ --header 'Authorization: Bearer ' \ --header 'X-On-Behalf-Of: ' \ --data '{ "name": "Base de conhecimento de suporte", "description": "Manuais de suporte e documentos da central de ajuda indexados", "file_ids": [ "file-abc123" ], "expires_after": { "anchor": "last_active_at", "days": 30 } }' ``` Esta resposta retorna um ID de loja vetorial como `vs_abc123`. ## Adicionar mais arquivos depois Você pode adicionar mais arquivos a uma loja vetorial existente sem precisar recriá-la. ```bash CLI theme={null} mka1 llm vector-stores create-file \ --vector-store-id vs_abc123 \ --file-id file-def456 \ --attributes '{"category":"manual","version":"2.0"}' ``` ```ts MKA1 SDK theme={null} const vsFile = await mka1.llm.vectorStores.createFile( { vectorStoreId: 'vs_abc123', fileId: 'file-def456', attributes: { category: 'manual', version: '2.0' }, }, { headers: { 'X-On-Behalf-Of': '' } } ); ``` ```ts OpenAI SDK theme={null} const vsFile = await openai.vectorStores.files.create('vs_abc123', { file_id: 'file-def456', }); ``` ```csharp C# SDK theme={null} // Adicionar arquivos a uma loja vetorial existente é feito via os métodos // VectorStores.CreateFile ou VectorStores.Files da API. // Consulte a referência da API para a assinatura completa do método. ``` ```python Python SDK theme={null} vs_file = sdk.llm.vector_stores.create_file( vector_store_id="vs_abc123", file_id="file-def456", ) ``` ```bash bash theme={null} curl https://apigw.mka1.com/api/v1/llm/vector_stores/vs_abc123/files \ --request POST \ --header 'Content-Type: application/json' \ --header 'Authorization: Bearer ' \ --header 'X-On-Behalf-Of: ' \ --data '{ "file_id": "file-def456", "attributes": { "category": "manual", "version": "2.0" } }' ``` O arquivo da loja vetorial pode retornar `status: "in_progress"` enquanto a indexação está em andamento. Consulte os endpoints de Arquivos e Lojas Vetoriais na Referência da API caso precise consultar o status. ## Buscar na loja vetorial Use busca semântica para recuperar os fragmentos mais relevantes para uma pergunta do usuário. ```bash CLI theme={null} mka1 llm vector-stores search \ --vector-store-id vs_abc123 \ --body '{ "query": "Como faço para redefinir minha senha?", "max_num_results": 5 }' ``` ```ts MKA1 SDK theme={null} const results = await mka1.llm.vectorStores.search( { vectorStoreId: 'vs_abc123', searchVectorStoreRequest: { query: 'Como faço para redefinir minha senha?', maxNumResults: 5, }, }, { headers: { 'X-On-Behalf-Of': '' } } ); ``` ```ts OpenAI SDK theme={null} const results = await openai.vectorStores.search('vs_abc123', { query: 'Como faço para redefinir minha senha?', max_num_results: 5, }); ``` ```csharp C# SDK theme={null} // A busca está disponível via o método VectorStores.Search. // Consulte a referência da API para a assinatura completa do método. ``` ```python Python SDK theme={null} results = sdk.llm.vector_stores.search( vector_store_id="vs_abc123", query="Como faço para redefinir minha senha?", ) ``` ```bash bash theme={null} curl https://apigw.mka1.com/api/v1/llm/vector_stores/vs_abc123/search \ --request POST \ --header 'Content-Type: application/json' \ --header 'Authorization: Bearer ' \ --header 'X-On-Behalf-Of: ' \ --data '{ "query": "Como faço para redefinir minha senha?", "max_num_results": 5 }' ``` A resposta retorna correspondências ranqueadas com `file_id`, `filename`, dados de pontuação e conteúdo do fragmento. ## Fluxo de trabalho típico Use esta sequência para a maioria das configurações de recuperação: 1. Envie o arquivo fonte. 2. Crie uma loja vetorial com `file_ids` ou anexe o arquivo depois. 3. Aguarde o processamento do arquivo ser concluído. 4. Busque na loja vetorial quando precisar de contexto relevante. Você pode então alimentar o texto retornado na lógica da sua aplicação ou em uma requisição de Respostas.