Μεταδεδομένα και Προσαρμοσμένα Πεδία
Σε αυτήν τη σελίδα
Πληροφορίες που δεν περιέχει το έγγραφο
Μια τεχνική έκθεση δεν περιλαμβάνει πάντα στο κυρίως κείμενό της το όνομα του συντάκτη, το έτος σύνταξης ή το επίπεδο εμπιστευτικότητάς της. Ωστόσο, αυτές οι λεπτομέρειες κάνουν τη διαφορά μεταξύ μιας αναζήτησης που εντοπίζει το σωστό έγγραφο και μιας που επιστρέφει τρία άσχετα αποτελέσματα. Το σύστημα μεταδεδομένων συλλογής εξυπηρετεί ακριβώς αυτόν τον σκοπό: να συνδέει δομημένες πληροφορίες με κάθε έγγραφο, τις οποίες η αναζήτηση μπορεί να αξιοποιήσει και εσείς να χρησιμοποιήσετε για φιλτράρισμα.
Προσάρτηση πεδίων σε ένα έγγραφο
Κατά την προσθήκη ενός εγγράφου, η παράμετρος fields δέχεται ζεύγη κλειδιού-τιμής που ορίζετε ελεύθερα:
await client.collections.upload_document(
collection_id=collection_id,
name="technical-report-q1",
data=pdf_content,
fields={
"author": "Marie Dupont",
"year": "2026",
"department": "R&D",
"document_type": "report",
"confidentiality": "internal"
}
)
Σε αυτό το επίπεδο δεν επιβάλλεται κανένα σχήμα: εσείς επιλέγετε τα ονόματα των πεδίων. Αυτή η ελευθερία φαίνεται άνετη για το πρώτο έγγραφο, αλλά μετατρέπεται σε πρόβλημα στο εκατοστό, όταν τα author, auteur και Author συνυπάρχουν στην ίδια συλλογή χωρίς να λειτουργεί κανένα φίλτρο.
Ορισμός κανόνων σε επίπεδο συλλογής
Εδώπαρεμβαίνουν τα field_definitions, τα οποία δηλώνονται στη συλλογή. Μετατρέπουν μια προφορική σύμβαση σε έναν περιορισμό που επαληθεύεται από το API. Υπάρχουν τρεις ρυθμίσεις:
| Ρύθμιση | Επίδραση |
|---|---|
required: true | Κάθε έγγραφο πρέπει να περιέχει αυτά τα μεταδεδομένα |
unique: true | Δύο έγγραφα δεν μπορούν να έχουν την ίδια τιμή |
inject_into_chunk: true | Τα μεταδεδομένα προστίθενται στο ευρετηριασμένο περιεχόμενο |
Ένας ορισμός συνδυάζει αυτές τις ρυθμίσεις πεδίο προς πεδίο:
{
"field_definitions": [
{
"name": "author",
"required": true,
"inject_into_chunk": true
},
{
"name": "document_id",
"required": true,
"unique": true
},
{
"name": "year",
"required": false,
"inject_into_chunk": true
}
]
}
Διαβάστε αυτό το παράδειγμα ως πολιτική εγγράφων: κάθε έγγραφο διαθέτει συντάκτη και ID, αυτό το ID ανήκει μόνο σε ένα έγγραφο – κάτι που μπλοκάρει τα διπλότυπα κατά την εισαγωγή – και το έτος παραμένει προαιρετικό για να αποφευχθεί η απόρριψη στοιχείων χωρίς ημερομηνία.
Η επιλογή που αλλάζει τη συνάφεια
Από αυτές τις τρεις ρυθμίσεις, το inject_into_chunk είναι το μόνο που επηρεάζει την ποιότητα της απάντησης και αξίζει μια πιο προσεκτική ματιά. Κατά τη διαδικασία ευρετηρίασης, ένα έγγραφο χωρίζεται σε θραύσματα (chunks) και η ενεργοποίηση αυτής της επιλογής αντιγράφει την τιμή του πεδίου σε καθένα από αυτά.
Πρακτικά, με author: "Marie Dupont" και inject_into_chunk: true, κάθε ευρετηριασμένο θραύσμα φέρει αυτό το όνομα. Μια ερώτηση όπως «Τι έγραψε η Marie Dupont για την καθυστέρηση δικτύου;» έχει τότε πιθανότητες να πετύχει τον στόχο, καθώς το όνομα εμφανίζεται στο περιεχόμενο που αναζητάται. Χωρίς έγχυση, η ίδια ερώτηση βασίζεται μόνο στο κείμενο της έκθεσης, όπου ο συντάκτης μπορεί να εμφανίζεται μόνο στο εξώφυλλο.
Επομένως, ενεργοποιήστε την έγχυση για πεδία που φέρουν συμφραζόμενα – συντάκτης, τμήμα, έτος, κατηγορία – και αφήστε την απενεργοποιημένη για διοικητικά πεδία όπως ένα εσωτερικό ID, ημερομηνία μεταφόρτωσης ή κατάσταση επικύρωσης, τα οποία θα προσέθεταν μόνο θόρυβο.
Τρία αποδεδειγμένα σχήματα
Τα χρήσιμα μεταδεδομένα δεν επινοούνται αφηρημένα: πηγάζουν από τις ερωτήσεις που τίθενται στη βάση δεδομένων. Μια βάση τεχνικής τεκμηρίωσης οργανώνεται γύρω από το προϊόν και την έκδοση, καθώς η πρώτη ερώτηση ενός χρήστη είναι σχεδόν πάντα «ποια έκδοση;»:
{
"fields": {
"product": "Grok API",
"version": "v1",
"type": "reference",
"language": "en"
}
}
Μια βάση γνώσεων Ανθρώπινου Δυναμικού, αντιθέτως, λειτουργεί με βάση την κατηγορία και την ημερομηνία έναρξης ισχύος, καθώς η λανθασμένη απάντηση σε αυτόν τον τομέα είναι συχνότερα μια καταργημένη πολιτική:
{
"fields": {
"category": "hr-policy",
"effective_date": "2026-01-01",
"department": "all",
"status": "active"
}
}
Τέλος, μια νομική βάση δομείται γύρω από τα μέρη, τον τύπο σύμβασης και τη λήξη, επιτρέποντάς σας να εντοπίσετε συμφωνίες που πλησιάζουν στη λήξη τους με ένα μόνο ερώτημα:
{
"fields": {
"contract_type": "vendor",
"party": "Acme Corp",
"expiration": "2027-06-30",
"jurisdiction": "France"
}
}
Διατήρηση συνεπούς σχήματος
Η συνοχή χάνεται πάντα μέσω των ίδιων καναλιών και λίγες συνήθειες αρκούν για να τη διατηρήσετε. Τυποποιήστε τις μορφές των ονομάτων πεδίων – snake_case, στα Αγγλικά, χωρίς ανάμειξη γλωσσών. Περιορίστε τον αριθμό τους: πέντε έως δέκα πεδία καλύπτουν τις περισσότερες ανάγκες· πέρα από αυτό, το κόστος συντήρησης υπερβαίνει τα οφέλη στη συνάφεια. Χειριστείτε το inject_into_chunk με discernment, καθώς κάθε πεδίο που εγχέεται αυξάνει το μέγεθος των θραυσμάτων και συνεπώς το κόστος αποθήκευσης. Τέλος, τεκμηριώστε το αναμενόμενο σχήμα για κάθε συλλογή σε ένα αρχείο προσβάσιμο στην ομάδα: μόλις πολλοί άνθρωποι το τροφοδοτούν, αυτό το αρχείο, και όχι η μνήμη του δημιουργού, εγγυάται τη συνοχή.
Βασικά σημεία
- Τα
fieldsσυνδέουν μεταδεδομένα τύπου κλειδιού-τιμής με κάθε έγγραφο - Τα
field_definitionsσε επίπεδο συλλογής ορίζουν κανόνες: required, unique, inject_into_chunk - Η επιλογή
inject_into_chunkβελτιώνει τη συνάφεια αναζήτησης προσθέτοντας μεταδεδομένα στο ευρετηριασμένο περιεχόμενο - Τυποποιήστε τα σχήματα μεταδεδομένων σας για να διατηρήσετε τη συνοχή της συλλογής