Train Index with Documents
curl --request POST \
--url https://secureai.hiperai.ai/api/external/indexes/{indexName}/train \
--header 'Authorization: Bearer <token>' \
--header 'Content-Type: multipart/form-data' \
--form files=@example-file \
--form 'text_inputs=[{"name":"doc1.txt","type":"text/plain","content":"Document content here","size":20}]'import requests
url = "https://secureai.hiperai.ai/api/external/indexes/{indexName}/train"
files = { "files": ("example-file", open("example-file", "rb")) }
payload = { "text_inputs": "[{\"name\":\"doc1.txt\",\"type\":\"text/plain\",\"content\":\"Document content here\",\"size\":20}]" }
headers = {"Authorization": "Bearer <token>"}
response = requests.post(url, data=payload, files=files, headers=headers)
print(response.text)const form = new FormData();
form.append('files', '<string>');
form.append('text_inputs', '[{"name":"doc1.txt","type":"text/plain","content":"Document content here","size":20}]');
const options = {method: 'POST', headers: {Authorization: 'Bearer <token>'}};
options.body = form;
fetch('https://secureai.hiperai.ai/api/external/indexes/{indexName}/train', options)
.then(res => res.json())
.then(res => console.log(res))
.catch(err => console.error(err));{
"success": true,
"message": "Index trained successfully",
"request_id": "550e8400-e29b-41d4-a716-446655440000",
"results": {
"files_processed": 3,
"documents_extracted": 3,
"documents_indexed": 3,
"total_vectors": 11,
"total_chunks": 3,
"index_name": "my-knowledge-base",
"namespace": "user-60a7c8f5e8b4f5001f7a8c24-index-my-knowledge-base"
}
}{
"success": false,
"error": "Invalid API key",
"message": "The provided API key is invalid or has been revoked",
"request_id": "req-abc123"
}{
"success": false,
"error": "Invalid API key",
"message": "The provided API key is invalid or has been revoked",
"request_id": "req-abc123"
}{
"success": false,
"error": "Invalid API key",
"message": "The provided API key is invalid or has been revoked",
"request_id": "req-abc123"
}{
"success": false,
"error": "Invalid API key",
"message": "The provided API key is invalid or has been revoked",
"request_id": "req-abc123"
}{
"success": false,
"error": "Invalid API key",
"message": "The provided API key is invalid or has been revoked",
"request_id": "req-abc123"
}{
"success": false,
"error": "Invalid API key",
"message": "The provided API key is invalid or has been revoked",
"request_id": "req-abc123"
}Knowledge Base & RAG
Treinar Índice com Documentos
Train an index by uploading documents (files) or providing text inputs. Supports multiple file formats: TXT, PDF, DOCX, DOC, JSON, CSV, XLS, XLSX. Files can be uploaded as multipart/form-data or text can be provided as JSON.
POST
/
indexes
/
{indexName}
/
train
Train Index with Documents
curl --request POST \
--url https://secureai.hiperai.ai/api/external/indexes/{indexName}/train \
--header 'Authorization: Bearer <token>' \
--header 'Content-Type: multipart/form-data' \
--form files=@example-file \
--form 'text_inputs=[{"name":"doc1.txt","type":"text/plain","content":"Document content here","size":20}]'import requests
url = "https://secureai.hiperai.ai/api/external/indexes/{indexName}/train"
files = { "files": ("example-file", open("example-file", "rb")) }
payload = { "text_inputs": "[{\"name\":\"doc1.txt\",\"type\":\"text/plain\",\"content\":\"Document content here\",\"size\":20}]" }
headers = {"Authorization": "Bearer <token>"}
response = requests.post(url, data=payload, files=files, headers=headers)
print(response.text)const form = new FormData();
form.append('files', '<string>');
form.append('text_inputs', '[{"name":"doc1.txt","type":"text/plain","content":"Document content here","size":20}]');
const options = {method: 'POST', headers: {Authorization: 'Bearer <token>'}};
options.body = form;
fetch('https://secureai.hiperai.ai/api/external/indexes/{indexName}/train', options)
.then(res => res.json())
.then(res => console.log(res))
.catch(err => console.error(err));{
"success": true,
"message": "Index trained successfully",
"request_id": "550e8400-e29b-41d4-a716-446655440000",
"results": {
"files_processed": 3,
"documents_extracted": 3,
"documents_indexed": 3,
"total_vectors": 11,
"total_chunks": 3,
"index_name": "my-knowledge-base",
"namespace": "user-60a7c8f5e8b4f5001f7a8c24-index-my-knowledge-base"
}
}{
"success": false,
"error": "Invalid API key",
"message": "The provided API key is invalid or has been revoked",
"request_id": "req-abc123"
}{
"success": false,
"error": "Invalid API key",
"message": "The provided API key is invalid or has been revoked",
"request_id": "req-abc123"
}{
"success": false,
"error": "Invalid API key",
"message": "The provided API key is invalid or has been revoked",
"request_id": "req-abc123"
}{
"success": false,
"error": "Invalid API key",
"message": "The provided API key is invalid or has been revoked",
"request_id": "req-abc123"
}{
"success": false,
"error": "Invalid API key",
"message": "The provided API key is invalid or has been revoked",
"request_id": "req-abc123"
}{
"success": false,
"error": "Invalid API key",
"message": "The provided API key is invalid or has been revoked",
"request_id": "req-abc123"
}Treine Índice com Documentos
Treine um índice fazendo upload de documentos (arquivos) ou fornecendo entradas de texto.Ponto final
POST /indexes/{indexName}/train
Descrição
Treine um índice fazendo upload de documentos (arquivos) ou fornecendo entradas de texto. Este endpoint oferece suporte a vários formatos de arquivo e pode processar até 20 arquivos de uma vez.Formatos de arquivo suportados
-Texto -PDF- DOCX
- DOC
- JSON -CSV
- XLS -XLSX
Autenticação
Obrigatório: Chave APIAuthorization: Bearer sk-your-api-key-here
Parâmetros de caminho
| Parâmetro | Tipo | Obrigatório | Descrição |
|---|---|---|---|
indexName | corda | Sim | Nome do índice a treinar |
Corpo da solicitação
Este endpoint aceita o formatomultipart/form-data.
Parâmetros
| Parâmetro | Tipo | Obrigatório | Descrição |
|---|---|---|---|
files | matriz de binário | Não | Arquivos de documentos para upload (até 20 arquivos de 50 MB cada) |
text_inputs | corda | Não | Matriz de string JSON de entradas de texto. Cada item deverá ter: nome, tipo, conteúdo, tamanho |
Formato de entrada de texto
Ao usartext_inputs, forneça uma matriz de string JSON com objetos contendo:
[
{
"name": "doc1.txt",
"type": "text/plain",
"content": "Document content here",
"size": 20
}
]
Exemplos de solicitação
Fazer upload de arquivos (dados de formulário multipartes)
curl -X POST "https://{customer.name}.hiperai.ai/api/external/indexes/my-knowledge-base/train" \
-H "Authorization: Bearer sk-your-api-key-here" \
-F "files=@document1.pdf" \
-F "files=@document2.docx" \
-F "files=@document3.txt"
const formData = new FormData();
formData.append('files', fileInput1.files[0]);
formData.append('files', fileInput2.files[0]);
formData.append('files', fileInput3.files[0]);
const response = await fetch('https://{customer.name}.hiperai.ai/api/external/indexes/my-knowledge-base/train', {
method: 'POST',
headers: {
'Authorization': 'Bearer sk-your-api-key-here'
},
body: formData
});
const data = await response.json();
console.log('Files processed:', data.results.files_processed);
console.log('Documents indexed:', data.results.documents_indexed);
import requests
url = "https://{customer.name}.hiperai.ai/api/external/indexes/my-knowledge-base/train"
headers = {
"Authorization": "Bearer sk-your-api-key-here"
}
files = [
('files', open('document1.pdf', 'rb')),
('files', open('document2.docx', 'rb')),
('files', open('document3.txt', 'rb'))
]
response = requests.post(url, headers=headers, files=files)
result = response.json()
print('Files processed:', result['results']['files_processed'])
print('Documents indexed:', result['results']['documents_indexed'])
Usando entradas de texto
curl -X POST "https://{customer.name}.hiperai.ai/api/external/indexes/my-knowledge-base/train" \
-H "Authorization: Bearer sk-your-api-key-here" \
-F 'text_inputs=[{"name":"doc1.txt","type":"text/plain","content":"Document content here","size":20}]'
Resposta
Resposta de sucesso (200)
{
"success": true,
"message": "Index trained successfully",
"request_id": "550e8400-e29b-41d4-a716-446655440000",
"results": {
"files_processed": 3,
"documents_extracted": 3,
"documents_indexed": 3,
"total_vectors": 11,
"total_chunks": 3,
"index_name": "my-knowledge-base",
"namespace": "user-60a7c8f5e8b4f5001f7a8c24-index-my-knowledge-base"
}
}
Campos de resposta
| Campo | Tipo | Descrição |
|---|---|---|
success | booleano | Sempre verdadeiro para solicitações bem-sucedidas |
message | corda | Mensagem de sucesso |
request_id | corda | Solicitar ID para rastreamento |
results | objeto | Resultados do treinamento |
Objeto de resultados
| Campo | Tipo | Descrição |
|---|---|---|
files_processed | inteiro | Número de ficheiros processados |
documents_extracted | inteiro | Número de documentos extraídos dos ficheiros |
documents_indexed | inteiro | Número de documentos indexados com êxito |
total_vectors | inteiro | Número total de vetores armazenados em Pinecone |
total_chunks | inteiro | Número total de blocos de texto criados |
index_name | corda | Nome do índice treinado |
namespace | corda | Namespace do índice |
Respostas de erro
400 Solicitação incorreta
{
"success": false,
"error": "Invalid request",
"message": "Missing files or text_inputs"
}
401 Não autorizado
{
"success": false,
"error": "Invalid API key",
"message": "The provided API key is invalid or has been revoked"
}
403 Proibido
{
"success": false,
"error": "Access denied",
"message": "User doesn't have access to this index"
}
404 não encontrado
{
"success": false,
"error": "Index not found",
"message": "The specified index does not exist"
}
413 Carga útil muito grande
{
"success": false,
"error": "File too large",
"message": "Maximum file size is 50MB per file"
}
500 Erro interno do servidor
{
"success": false,
"error": "Index training failed",
"message": "Vector database unavailable or training failed"
}
Notas
- Máximo de 20 arquivos por solicitação
- Máximo 50MB por arquivo
- Os arquivos podem ser carregados como multipart/form-data
- As entradas de texto podem ser fornecidas como uma matriz de string JSON
- Os documentos são automaticamente fragmentados e vetorizados para pesquisa semântica
- O índice deve existir antes do treino
- Os resultados do treinamento mostram quantos documentos foram indexados com sucesso
Autorizações
API key authentication using Bearer token format.
Example: Authorization: Bearer sk-your-api-key-here
Parâmetros de caminho
Name of the index to train
Exemplo:
"my-knowledge-base"
Corpo
multipart/form-data
Document files to upload (up to 20 files, 50MB each). Supported formats: TXT, PDF, DOCX, DOC, JSON, CSV, XLS, XLSX
Maximum array length:
20JSON string array of text inputs. Each item should have:
- name: string (filename)
- type: string (MIME type, e.g., "text/plain")
- content: string (text content)
- size: number (content length in bytes)
Exemplo:
"[{\"name\":\"doc1.txt\",\"type\":\"text/plain\",\"content\":\"Document content here\",\"size\":20}]"

