Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Optimoi hakujen osuvuutta

Oppitunti 12 / 16 Päivitetty 29. heinäkuuta 2026 Kehittäjä
Tällä sivulla
  1. Tulosten laatu riippuu sinusta
  2. Valmistele asiakirjat paloiteltavaksi
  3. Kirjoita parempia kyselyitä
  4. Hyödynnä metadataa ja organisointia
  5. Mittaa ennen käyttöönottoa
  6. Keskeiset asiat

Tulosten laatu riippuu sinusta

xAI:n hakukone on tehokas, mutta se toimii vain sille antamallasi aineistolla. Huonosti valmisteltu kokoelma tuottaa keskinkertaisia tuloksia jopa parhaalla mallilla, mikä saa tiimit virheellisesti päättelemään, että “RAG ei toimi”. Sinulla on hallinnassasi kolme vipua: asiakirjojen rakenne, kysymysten muotoilu ja kokoelmien organisointi. Tässä oppitunnissa tarkastelemme niitä tässä järjestyksessä ja tarjoamme lopuksi menetelmän edistymisesi mittaamiseen.

Valmistele asiakirjat paloiteltavaksi

Moottori luottaa asiakirjan rakenteeseen jakaessaan sisällön osiin: otsikot, alaotsikot ja kappaleet toimivat merkkereinä. Otsikko kuten “Verkkokauppaostosten palautuskäytäntö” antaa osalle selkeän identiteetin ja tekee siitä löydettävän; “Osio 3.2.1” ei tarjoa käyttökelpoista signaalia paloittelemiseen tai semanttiseen täsmäytykseen. Sisäisen käsikirjan otsikoiden nimeäminen uudelleen ennen indeksointia on usein koko projektin tuottoisin optimointi.

Asiakirjan koolla on myös väliä. 500-sivuinen PDF-tiedosto tuottaa satoja toisiaan vastaan kilpailevia osia: mitä suurempi ja kirjavampi asiakirjan sisäinen aineisto on, sitä suurempi on riski, että epäoleellinen ote saa korkean pisteytyksen. Jaa nämä monoliitit aihepiireittäin osiin ja pyri 20–50-sivuisiin asiakirjoihin, jotka käsittelevät yhtä aihetta kaiken kattavan yleiskatsauksen sijaan.

Sitten on kontekstin kysymys. Jokainen osa luetaan erillisenään, irrotettuna sitä edeltävästä tekstistä, mikä tuomii anaforiset viittaukset. Lause kuten “kuten edellä mainittiin, tämä määräaika koskee myös tilauseriä” muuttuu käyttökelvottomaksi paloiteltaessa: määräaikaa eikä sen kohdetta esiinny katkelmassa. Kirjoita “neljäntoista päivän peruutusaika koskee myös tilauseriä”, jolloin osa seisoo omillaan.

Kirjoita parempia kyselyitä

Kyselyn tarkkuus painaa yhtä paljon kuin aineiston laatu. Haku sanalla “turvallisuus” palauttaa kymmeniä erilaisia otteita salasanoista fyysiseen pääsynvalvontaan; “saapuvien yhteyksien palomuurin määritys portissa 443” kohdistaa heti kahteen tai kolmeen hyödylliseen kohtaan. Kun asiakirjasi käyttävät vakiintunutta teknistä sanastoa, käytä sitä uudelleen: jopa hybriditilassa, joka yhdistää tarkan täsmäyksen ja semanttisen ymmärryksen, kirjaimellinen termi pysyy vahvana signaalina.

Suosi kokonaisia kysymyksiä avainsanapakettien sijaan. “API-yhteyden aikakatkaisu” jättää moottorin arvailemaan aikomustasi, kun taas “Miten määritän API-yhteyden aikakatkaisun?” tarjoaa kieliopillisen rakenteen, jota vasten indeksoituja lauseita voidaan täsmäyttää. Hyöty on erityisen selvä semanttisessa tilassa, joka on suunniteltu luonnollista kieltä varten.

Hyödynnä metadataa ja organisointia

Jos olet määrittänyt metadataa funktiolla inject_into_chunk, se sisällytetään indeksoituun tekstiin ja toimii ankkuripisteenä. Jokaiseen osaan lisätty department-kenttä tarkoittaa, että kysely “validointimenettely markkinointitiimissä” nostaa spontaanisti esiin markkinointiosaston asiakirjoja ilman erikseen asetettua suodatinta.

Aihepiireittäin organisoitu kokoelma tuottaa saman vaikutuksen laajemmassa mittakaavassa. Yhden kaiken kattavan kokoelman sijaan luo erilliset col_docs_techniques tekniselle dokumentaatiolle, col_procedures_internes prosesseille ja col_support_client usein kysytyille kysymyksille ja käyttöoppaille. Asiakaspalveluavustaja kysyy sitten vain kolmannelta: vähemmän etsittäviä asiakirjoja tarkoittaa tarkempia tuloksia ja pienempiä kustannuksia, koska turhia kokoelmia ei kutsuta. Hakutila täydentää tämän asetuksen: keyword koodille tai tarkalle viittaukselle, semantic käsitteelliselle kysymykselle ja hybrid epävarmoissa tilanteissa sekä oletuksena.

Mittaa ennen käyttöönottoa

Mikään tästä ei merkitse mitään ilman arviointia. Ennen tuotantoon siirtymistä laadi testijoukko: muotoile 10–20 kysymystä, jotka edustavat todellisia tapauksia – niitä, joita käyttäjäsi todella esittävät, eikä niitä, joita kuvittelet heidän esittävän. Suorita haut, arvioi palautettujen tulosten osuvuutta ja merkitse muistiin kyselyt, jotka palauttavat riittämättömiä otteita. Nämä kertovat, mitä korjata: paranna kyseisen asiakirjan rakennetta, lisää metadataa tai muotoile kysely uudelleen.

Pisteytykset toimivat lämpömittarinasi tämän kierron aikana. Jokainen tulos saa arvon 0–1 väliltä; jos tyypilliset kyselysi jäävät johdonmukaisesti alle 0,5, älä etsi ongelmaa mallin puolelta. Joko asiakirjasi ovat huonosti jäsenneltyjä, kysymyksesi ovat liian epämääräisiä tai – useimmiten ja virheellisimmin diagnosoituna – aineistossasi ei yksinkertaisesti ole mitään pyydetystä aiheesta. Saman kysymysjoukon uudelleensuorittaminen jokaisen muutoksen jälkeen kertoo luvuilla, edistytätkö.

Keskeiset asiat

  • Tulosten laatu riippuu asiakirjojen rakenteesta, kyselyjen tarkkuudesta ja kokoelmien organisoinnista
  • Selkeät otsikot ja kohtuulliset asiakirjakoot parantavat paloittelemista
  • Kokonaiset luonnollisen kielen kysymykset tuottavat parempia tuloksia kuin erilliset avainsanat
  • inject_into_chunk-metadata rikastuttaa osia ja parantaa osuvuutta
  • Testaa kokoelmasi tyypillisillä kyselyillä ennen tuotantoon siirtämistä