Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Keresési módok: kulcsszavas, szemantikai, hibrid

10. lecke 16 közül Frissítve 2026. július 29. Fejlesztő
Ezen az oldalon
  1. Három megközelítés az információkereséshez
  2. Kulcsszavas mód: szó szerinti egyezés
  3. Szemantikai mód: a jelentés megértése
  4. Hibrid mód: mindkét jel egyszerre
  5. Módok összehasonlítása
  6. Főbb megállapítások

Három megközelítés az információkereséshez

A retrieval_mode mező három értéket fogad el, és ez a választás nem csupán kozmetikai kérdés: meghatározza, hogy a motor mit hasonlít össze. Az egyik mód a szavakat, a másik a jelentést, a harmadik pedig mindkettőt vizsgálja. A dokumentumaidtól és attól függően, hogyan fogalmazzák meg a felhasználóid a kérdéseiket, a két mód közötti relevanciakülönbség drámai lehet ugyanazon a gyűjteményen.

Kulcsszavas mód: szó szerinti egyezés

A kulcsszavas mód egy klasszikus keresőmotorhoz hasonlóan viselkedik. A lekérdezésedben szereplő szavakat hasonlítja össze az indexelt szöveggel, és olyan részleteket emel ki, amelyek ténylegesen tartalmazzák ezeket a szavakat.

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

Erőssége a szó szerinti egyezésben rejlik. Egy „XR-2847“ típusú termékhivatkozás, egy számlaszám, egy jogszabályi cikkely vagy egy ipari mozaikszó esetén nem követ el hibákat: vagy ott van a karaktersorozat, vagy nincs. Nem számít ki beágyazásokat (embeddings), így gyors. Gyengesége ennek az előnynek a pontos fordítottja: nem ért semmit. Ha a dokumentumod az „általános forgalmi adóról“ beszél, a felhasználó pedig azt írja be, hogy „ÁFA“, nem történik egyezés, és nullás találatot kapsz egy olyan dokumentumból, amely valójában tartalmazta a választ. Minden attól függ, hogy a szerző és az olvasó szókincse véletlenül egybeesik-e, ami kockázatos fogadás, amint a felhasználóid nem a dokumentumok szerzői.

Szemantikai mód: a jelentés megértése

A szemantikai mód vektorokká alakítja a lekérdezést és a szövegrészleteket (chunkokat), majd jelentéseket hasonlít össze, nem pedig karaktereket. Így olyan releváns részleteket is előhoz, amelyeknél nincs közös szó.

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

Ez a lekérdezés nem tartalmazza sem az „ÁFA“, sem a „mentesség“ szót, mégis előhozza az ÁFA-val, az általános forgalmi adóval, az adólevonásokkal vagy a mentességekkel foglalkozó szakaszokat. Pontosan erre van szükséged egy nyilvános asszisztens esetén: a felhasználóid a saját szavaikkal kérdeznek, nem a jogi osztályod szókincsével. A mód gond nélkül kezeli a szinonimákat – a „visszatérítés“, a „jóváíró számla“ és a „jóváírás“ természetesen csoportosulnak együtt a vektortérben. Cserébe elveszíti a pontosságot ott, ahol az abszolút szükséges: egy „XR-2847“ termékkód szemantikailag hasonlónak tűnhet az „XR-2874“-hez, és a motor a rosszat is visszaadhatja. Minden lekérdezéshez beágyazás-számítás szükséges, így van egy számítási költsége, ami a kulcsszavas módnál nem merül fel.

Hibrid mód: mindkét jel egyszerre

A hibrid mód az alapértelmezett mód, és ezt ajánlja az xAI is, mert elutasítja a kompromisszumot. Vegyünk egy tipikus jogi lekérdezést, amely pontos hivatkozást és elmosódott fogalmakat is kever.

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

A feldolgozás három lépésben történik. A motor először lefuttat egy kulcsszavas keresést a pontos egyezések, itt az „L.121-3“ karaktersorozat megtalálására. Ezzel párhuzamosan lefuttat egy szemantikai keresést is, amely a vezetői felelősséghez koncepcionálisan kapcsolódó szakaszokat keresi meg, még akkor is, ha nem használják ezeket a pontos szavakat. Végül egyesíti a két listát, és újra rangsorolja őket a teljes relevancia maximalizálása érdekében.

Az eredmény magában foglalja mind azokat a cikkeket, amelyek kifejezetten hivatkoznak az L.121-3-ra, mind azokat a kommentárokat, amelyek a vezetői felelősséggel foglalkoznak anélkül, hogy megemlítenék a cikkelyt. A visszakeresés (recall) jelentősen javul: kevesebb releváns dokumentumról maradsz le, függetlenül a kérdés stílusától. Ezért működik a hibrid mód ugyanolyan jól egy technikai lekérdezésnél, mint egy beszélgetős фразénál, és ezért constitutes ez az ésszerű alapértelmezett választás.

Két helyzet nevertheless indokolttá teszi ettől a beállítástól való eltérést. Ha egy kódbázisban egy specifikus függvény aláírását keresed, a szemantikai zaj ellened dolgozik, és a keyword élesebb lesz. Ezzel szemben tágabb felfedezés esetén – „mit írtunk eddig az ügyfélhűségről?“ –, amikor nincs olyan pivot kifejezés, amihez igazodni lehetne, a semantic szélesebb hálót vet, és segít felfedezni olyan dokumentumokat, amelyekre nem is számítottál.

Módok összehasonlítása

Kritériumkulcsszavasszemantikaihibrid
Pontos kifejezésekKiválóKözepesJó
SzinonimákGyengeKiválóJó
Természetes nyelvGyengeKiválóKiváló
Kódok/hivatkozásokKiválóGyengeJó
AjánlásSpecifikus esetekFelfedezésAlapértelmezett

Egy egyszerű módszer a döntéshez: végy tíz valós kérdést a felhasználóidtól, futtasd le mindhárom módban ugyanazon a gyűjteményen, és hasonlítsd össze az első öt találatot. Tizenöt perc alatt kiderül, hogy a korpuszod inkább a pontos szókincshez vagy inkább a jelentéshez hajlik.

Főbb megállapítások

  • A kulcsszavas mód pontos egyezéseket keres – ideális technikai kifejezésekhez és hivatkozásokhoz
  • A szemantikai mód megérti a jelentést – ideális természetes nyelvű kérdésekhez
  • A hibrid mód egyesíti mindkettőt – ez az ajánlott alapértelmezett választás
  • Használd a keyword módot kódok, azonosítók vagy pontos értékek keresésére
  • Használd a hybrid módot minden egyéb esetben