Hakutilat: avainsana, semanttinen, hybridi
Tällä sivulla
Kolme lähestymistapaa tiedon löytämiseen
retrieval_mode-kenttä hyväksyy kolme arvoa, eikä tämä valinta ole pelkkä kosmetiikka: se määrittää, mitä moottori vertaa. Yksi tila tarkastelee sanoja, toinen merkitystä ja kolmas tekee molempia. Riippuen dokumenteistasi ja siitä, miten käyttäjäsi muotoilevat kysymyksensä, kahden tilan välinen osuvuusero voi olla dramaattinen samassa kokoelmassa.
Avainsanatila: kirjaimellinen täsmäys
Avainsanatila toimii kuin klassinen hakukone. Se täsmää kyselysi sanat indeksoituun tekstiin ja nostaa esiin kohdat, jotka todella sisältävät nämä sanat.
{
"query": "VAT rate 20%",
"source": { "collection_ids": ["col_fiscal"] },
"retrieval_mode": { "type": "keyword" }
}
Sen vahvuus on kirjaimellisuudessa. Tuoteviitteen kuten “XR-2847”, laskunumeron, lakipykälän tai alan lyhenteen kohdalla se ei tee virheitä: merkkijono on joko olemassa tai sitä ei ole. Se ei laske upotuksia (embeddings), mikä tekee siitä nopean. Sen heikkous on tämän hyveen kääntöpuoli: se ei ymmärrä mitään. Jos dokumenttisi puhuu “arvonlisäverosta”, kun käyttäjä kirjoittaa “ALV”, täsmäystä ei tapahdu, ja saat nolla tulosta dokumentista, joka itse asiassa sisälsi vastauksen. Kaikki riippuu silloin kirjoittajan ja lukijan sanaston yhteensattumasta, mikä on riskialtis veto heti, kun käyttäjäsi eivät ole dokumenttien kirjoittajia.
Semanttinen tila: merkityksen ymmärtäminen
Semanttinen tila muuntaa kyselyn ja chunkit vektoreiksi ja vertaa sitten merkityksiä eikä merkkejä. Se nostaa siten esiin asiaankuuluvia kohtia, vaikka yhteisiä sanoja ei olisikaan.
{
"query": "how to reduce sales taxes",
"source": { "collection_ids": ["col_fiscal"] },
"retrieval_mode": { "type": "semantic" }
}
Tämä kysely ei sisällä sanaa “ALV” eikä “vapautus”, ja silti se nostaa esiin kohtia, jotka käsittelevät ALV:a, arvonlisäveroa, verovähennyksiä tai vapautuksia. Tämä on juuri sitä, mitä haluat julkiselle avustajalta: käyttäjäsi kysyvät omilla sanoillaan, eivät oikeusosastosi sanastolla. Tila käsittelee synonyymejä epäröimättä – “hyvitys”, “luottolasku” ja “luotto” asettuvat luontevasti samaan klusteriin vektoritilassa. Vastineeksi se menettää tarkkuutta siellä, missä täydellinen tarkkuus on ehdotonta: tuotekoodi “XR-2847” näyttää semanttisesti samankaltaiselta kuin “XR-2874”, ja moottori saattaa palauttaa väärän. Jokainen kysely vaatii myös upotuslaskennan, joten siihen liittyy laskentakustannus, jota avainsanatilassa ei ole.
Hybriditila: molemmat signaalit kerralla
Hybriditila on oletustila ja se, jonka xAI suosittelee, koska se kieltäytyy kompromissista. Ota tyypillinen juridinen kysely, joka yhdistää tarkan viittauksen ja epätarkan käsitteen.
{
"query": "article L.121-3 director liability",
"source": { "collection_ids": ["col_juridique"] },
"retrieval_mode": { "type": "hybrid" }
}
Käsittely tapahtuu kolmessa vaiheessa. Moottori suorittaa ensin avainsanahaun löytääkseen tarkat täsmäykset, tässä tapauksessa merkkijonon “L.121-3”. Se suorittaa rinnakkain semanttisen haun, joka etsii kohtia, jotka ovat käsitteellisesti yhteydessä johtajan vastuuseen, vaikka ne eivät käyttäisikään näitä tarkkoja sanoja. Lopuksi se yhdistää kaksi listaa ja järjestää ne uudelleen maksimoidakseen yleisen osuvuuden.
Tulos tavoittaa sekä artiklat, jotka nimenomaisesti siteeraavat pykälää L.121-3, että kommentit, jotka käsittelevät johtajan vastuuta mainitsematta pykälää. Muistutus (recall) paranee merkittävästi: ohitat vähemmän asiaankuuluvia dokumentteja kysymyksen tyylistä riippumatta. Siksi hybridi toimii yhtä hyvin tekniseen kyselyyn kuin keskustelunomaiseen lauseeseen, ja siksi se muodostaa järkevän oletusvalinnan.
Kaksi tilannetta kuitenkin oikeuttaa poikkeamaan tästä asetuksesta. Jos etsit tiettyä funktiomääritystä koodikannasta, semanttinen kohina toimii sinua vastaan ja keyword on terävämpi. Päinvastoin, laajassa tutkimuksessa – “mitä olemme kirjoittaneet asiakasuskollisuudesta?” – ilman täsmäävää avainsanaa semantic heittää laajemman verkon ja auttaa löytämään dokumentteja, joita et etsinyt.
Tilavertailu
| Kriterium | keyword | semantic | hybrid |
|---|---|---|---|
| Tarkat termit | Erinomainen | Kohtalainen | Hyvä |
| Synonyymit | Heikko | Erinomainen | Hyvä |
| Luonnollinen kieli | Heikko | Erinomainen | Erinomainen |
| Koodit/viitteet | Erinomainen | Heikko | Hyvä |
| Suositus | Tietyt tapaukset | Tutkimus | Oletus |
Yksinkertainen tapa päättää: ota kymmenen todellista kysymystä käyttäjiltäsi, aja ne kaikilla kolmella tilalla samassa kokoelmassa ja vertaa viittä parasta tulosta. Viidessätoista minuutissa tiedät, nojaako korpuksesi tarkkaan sanastoon vai merkitykseen.
Keskeiset asiat
- Avainsanatila etsii tarkkoja täsmäyksiä – ihanteellinen teknisille termeille ja viitteille
- Semanttinen tila ymmärtää merkitystä – ihanteellinen luonnollisen kielen kysymyksille
- Hybriditila yhdistää molemmat – tämä on suositeltu oletusvalinta
- Käytä
keyword-tilaa koodien, tunnisteiden tai tarkkojen arvojen hakuun - Käytä
hybrid-tilaa kaikissa muissa tapauksissa