Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Otsingurežiimid: märksõnaline, semantiline, hübriid

Õppetund 10 / 16 Värskendatud 29. juuli 2026 Arendajatele
Sellel lehel
  1. Kolm lähenemist info leidmiseks
  2. Märksõnaline režiim: sõnasõnaline vastendus
  3. Semantiline režiim: tähenduse mõistmine
  4. Hübriidrežiim: mõlemad signaalid korraga
  5. Režiimide võrdlus
  6. Peamised punktid

Kolm lähenemist info leidmiseks

Väli retrieval_mode aktsepteerib kolme väärtust ja see valik pole pelgalt kosmeetiline: see määrab, mida mootor võrdleb. Üks režiim vaatab sõnu, teine tähendust ja kolmas teeb mõlemat. Sõltuvalt sinu dokumentidest ja sellest, kuidas kasutajad oma küsimusi sõnastavad, võib kahe režiimi asjakohasuse vahe sama kogumi puhul olla dramaatiline.

Märksõnaline režiim: sõnasõnaline vastendus

Märksõnaline režiim käitub nagu klassikaline otsingumootor. See võrdleb sinu päringus olevaid sõnu indekseeritud tekstiga ja toob esile lõigud, mis neid sõnu tegelikult sisaldavad.

{
  "query": "VAT rate 20%",
  "source": { "collection_ids": ["col_fiscal"] },
  "retrieval_mode": { "type": "keyword" }
}

Selle tugevus seisneb sõnasõnalisuses. Toote viite „XR-2847“, arve numbri, seaduse artikli või tööstuse akronüümi puhul see vigu ei tee: kas string on olemas või ei ole. See ei arvuta manuseid (embeddings), mis teeb selle kiireks. Selle nõrkus on selle omaduse täpne vastand: see ei mõista midagi. Kui sinu dokument räägib „käibemaksust“, kuid kasutaja trükib „VAT“, vastendust ei toimu ja sa saad null tulemust dokumendist, mis tegelikult vastust sisaldas. Kõik sõltub siis kirjutaja ja lugeja sõnavara kokkulangemisest, mis on riskantne panus niipea, kui sinu kasutajad ei ole dokumentide autorid.

Semantiline režiim: tähenduse mõistmine

Semantiline režiim teisendab päringu ja plokid vektoriteks ning võrdleb seejärel tähendusi, mitte tähemärke. Seetõttu toob see esile asjakohased lõigud isegi siis, kui ühtegi sõna ei ühti.

{
  "query": "how to reduce sales taxes",
  "source": { "collection_ids": ["col_fiscal"] },
  "retrieval_mode": { "type": "semantic" }
}

See päring ei sisalda ei „VAT“ ega „maksuvabastust“, ometi toob see esile lõigud, mis käsitlevad käibemaksu, lisandväärtuse maksu, maksusoodustusi või maksuvabastusi. See on täpselt see, mida soovid avalikkusele suunatud assistendi puhul: sinu kasutajad esitavad päringuid oma sõnadega, mitte sinu juriidilise osakonna leksikoniga. Režiim haldab sünonüüme kõhklemata – „tagasimakse“, „kreeditarve“ ja „krediit“ klastruvad vektorruumis loomulikult kokku. Tasuks kaotab see täpsuse seal, kus see on absoluutne: tootekood „XR-2847“ näib semantiliselt sarnane koodiga „XR-2874“ ja mootor võib tagastada vale. Iga päring nõuab ka manuse arvutamist, mistõttu tekib arvutuslik kulu, mida märksõnalises režiimis ei ole.

Hübriidrežiim: mõlemad signaalid korraga

Hübriidrežiim on vaikeolek ja see, mida xAI soovitab, sest see keeldub kompromissist. Võtame tüüpilise juriidilise päringu, mis segab täpset viidet ja hägusat kontseptsiooni.

{
  "query": "article L.121-3 director liability",
  "source": { "collection_ids": ["col_juridique"] },
  "retrieval_mode": { "type": "hybrid" }
}

Töötlemine toimub kolmes etapis. Mootor käivitab esmalt märksõnalise otsingu, et tabada täpseid vastendusi, siin stringi „L.121-3“. Paralleelselt käivitab see semantilise otsingu, mis otsib lõike, mis on kontseptuaalselt seotud juhatuse liikme vastutusega, isegi kui need neid täpseid sõnu ei kasuta. Lõpuks ühendab ta need kaks loetelu ja järjestab need ümber, et maksimeerida üldist asjakohasust.

Tulemus haarab nii artikleid, mis viitavad otseselt L.121-3-le, kui ka kommentaare, mis käsitlevad juhatuse liikme vastutust, mainimata artiklit. Meeldejätmine (recall) paraneb oluliselt: sa jääd vähem asjakohaseid dokumente missama, sõltumata küsimuse registrist. Seetõttu toimib hübriid võrdselt hästi nii tehnilise päringu kui ka vestleva fraasi puhul ja moodustab mõistliku vaikeseade.

Kaks olukorda õigustavad siiski sellest seadistusest kõrvalekaldumist. Kui otsid koodibaasist kindlat funktsiooni signatuuri, töötab semantiline müra sinu vastu ja keyword on teravam. Vastupidi, laiaulatusliku uurimise puhul – „mida oleme kirjutanud klienditruudusest?“ – ilma vastendamiseks mõeldud pöördsõnata, heidab semantic laiemat võrku ja aitab sul avastada dokumente, mida sa ei otsinudki.

Režiimide võrdlus

Kriteriumkeywordsemantichybrid
Täpsed tingimusedSuurepäraneRahuldavHea
SünonüümidNõrkSuurepäraneHea
Loomulik keelNõrkSuurepäraneSuurepärane
Koodid/viitedSuurepäraneNõrkHea
SoovitusSpetsiifilised juhtumidUurimineVaikeseade

Lihtne viis otsustamiseks: võta kümme oma kasutajate tegelikku küsimust, käivita need kõigis kolmes režiimis samal kogumil ja võrdle viit parimat tulemust. Viieteistkümne minutiga tead, kas sinu korpus kaldub täpse sõnavara või tähenduse poole.

Peamised punktid

  • Märksõnaline režiim otsib täpseid vastendusi – ideaalne tehniliste terminite ja viidete jaoks
  • Semantiline režiim mõistab tähendust – ideaalne loomuliku keele küsimuste jaoks
  • Hübriidrežiim ühendab mõlemat – see on soovitatav vaikeseade
  • Kasuta keyword koodide, identifikaatorite või täpsete väärtuste otsimisel
  • Kasuta hybrid kõigil muudel juhtudel