> For the complete documentation index, see [llms.txt](https://docs.airops.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.airops.com/docs/fr/actions/workflow-concepts/workflow-steps/memory-steps/memory-write.md).

# Écrire dans la base de connaissances

Ajoutez un document à une base de connaissances

## Qu'est-ce qu'une étape d'écriture dans une base de connaissances ?

L'étape d'écriture dans la base de connaissances vous permet d'ajouter du contenu à une base de connaissances existante. Vous pouvez ajouter à la fois du contenu recherchable, qui sera converti en embeddings, et du contenu de métadonnées, qui pourra être récupéré et filtré.

Découvrez comment configurer une base de connaissances AirOps [ici](/docs/fr/contexte/memory-stores.md).

## Comment configurer l'étape d'écriture dans la base de connaissances

### Sélectionnez une base de connaissances

Sélectionnez le nom de votre base de connaissances dans la liste déroulante.

### Texte

Le fichier, le texte ou les données que vous souhaitez rendre recherchables.

### Métadonnées

Les métadonnées que vous souhaitez attribuer aux embeddings au format JSON, par exemple :

```
{
    "title": "...",
    "description": "...",
    "tag": "..."
}
```

{% hint style="info" %}
Les métadonnées vous permettent de[https://github.com/airopshq/airops-docs/blob/main/building-workflows/workflow-steps/memory-steps/broken-reference/README.md](https://github.com/airopshq/airops-docs/blob/main/building-workflows/workflow-steps/memory-steps/broken-reference/README.md "mention")dans l'étape de recherche dans la base de connaissances
{% endhint %}

## Écriture dans la base de connaissances pour conserver l'état

L'un des défis de la gestion de workflows avec des LLM consiste à assurer la continuité en gardant une trace des décisions passées. Par exemple, lorsqu'on crée un workflow qui exploite un LLM pour parcourir un site web à la recherche de « actualités récentes » afin de suggérer des idées de contenu, il est crucial de mettre en place un mécanisme pour consigner les suggestions précédentes. Cela permet d'éviter la répétition d'idées, tout en préservant la nouveauté et la pertinence du contenu généré.

[Bases de connaissances](/docs/fr/contexte/memory-stores.md) nous pouvons vous aider avec cela. En mettant en œuvre le cadre suivant, vous pouvez résoudre ce problème :

Avant de commencer, créez une nouvelle base de connaissances vide. Puis, dans votre workflow, ajoutez ce qui suit :

1. **Recherche dans la base de connaissances** **Étape -** Recherchez dans les bases de connaissances la date d'aujourd'hui. Cela récupérera les entrées les plus récentes ajoutées à cette base de connaissances.
2. **Étape LLM -** Fournissez environ 5 à 10 sorties de l' **étape de recherche dans la base de connaissances** à votre modèle avec une invite du type « Voici des résultats que vous avez fournis précédemment, veuillez ne répéter aucune de ces idées : »
3. **Étape d'écriture dans la base de connaissances** - Écrivez dans la base de connaissances avec la date d'aujourd'hui (voir [docs Liquid](https://shopify.github.io/liquid/filters/date/) pour plus d'informations) dans la colonne de recherche et ajoutez la sortie dans une colonne de métadonnées. Cela signifie que seule la date sera utilisée lors de la recherche dans la base de connaissances.

Pour toute question, veuillez nous contacter.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

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

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.airops.com/docs/fr/actions/workflow-concepts/workflow-steps/memory-steps/memory-write.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

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.