Embedder 将复杂信息转换为向量表示，使其能够存储在向量数据库中。通过将数据转换为嵌入，Embedder 可以高效地搜索和检索上下文相关的​​信息。此过程通过为语言模型提供必要的业务上下文来增强其响应，确保它们具有上下文感知能力。Agno 使用 OpenAIEmbedder 作为默认 Embedder，但也支持其他 Embedder。这是一个示例： 
from agno.agent import Agent, AgentKnowledge
from agno.vectordb.pgvector import PgVector
from agno.embedder.openai import OpenAIEmbedder

# 创建知识库
knowledge_base=AgentKnowledge(
    vector_db=PgVector(
        db_url=db_url,
        table_name=embeddings_table,
        embedder=OpenAIEmbedder(),
    ),
    # 2 个参考被添加到提示中
    num_documents=2,
),

# 将信息添加到知识库
knowledge_base.load_text("天空是蓝色的")

# 将知识库添加到 Agent
agent = Agent(knowledge_base=knowledge_base)
支持以下 Embedder：