Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

A keresési találatok relevanciájának optimalizálása

12. lecke 16 közül Frissítve 2026. július 29. Fejlesztő
Ezen az oldalon
  1. A találatok minősége rajtad múlik
  2. Dokumentumok előkészítése daraboláshoz
  3. Jobb lekérdezések írása
  4. Metaadatok és szervezés kihasználása
  5. Mérés bevezetés előtt
  6. Főbb megállapítások

A találatok minősége rajtad múlik

Az xAI keresőmotorja hatalmas teljesítményre képes, de kizárólag a rendelkezésére bocsátott anyagokkal tud dolgozni. Egy rosszul előkészített gyűjtemény még a legjobb modell esetén is csak közepes eredményeket produkál, ami gyakran arra vezeti a csapatokat, hogy tévesen azt结论eljék: „a RAG nem működik“. Három eszköztár áll a rendelkezésedre: a dokumentumok szerkezete, a lekérdezések megfogalmazása és a gyűjtemények szervezése. Ebben a leckében ebben a sorrendben vizsgáljuk meg őket, majd bemutatunk egy módszert a fejlődésed mérésére.

Dokumentumok előkészítése daraboláshoz

A motor a dokumentumok szerkezetét használja fel a tartalom darabokra (chunkokra) osztásához: a címek, alcímek és bekezdések szolgálnek jelölőként. Egy olyan fejléc, mint például „Online vásárlások visszatérítési szabályzata“, egyértelmű identitást ad a darabnak, és könnyen megtalálhatóvá teszi; ezzel szemben a „3.2.1. szakasz“ semmilyen használható jelet nem szolgáltat a daraboláshoz vagy a szemantikai egyeztetéshez. Gyakran a belső kézikönyvek fejléceinek átnevezése az indexelés előtt hozza a legnagyobb megtérülést (ROI) az egész projekt során.

A dokumentumok mérete szintén számít. Egy 500 oldalas PDF több száz, egymással versengő darabot eredményez: minél nagyobb és változatosabb egy dokumentum belső tartalma, annál nagyobb a kockázata, hogy egy irreleváns részlet kap magas pontszámot. Bontsd ezeket a monolitokat tematikus szakaszokra: törekedj arra, hogy a dokumentumok húsz-ötven oldalasak legyenek, és egyetlen témára fókuszáljanak, ahelyett, hogy mindent lefedő gyűjteményes köteteket hoznál létre.

Végül ott van a kontextus kérdése. Minden darabot elszigetelten olvas be a rendszer, kiszakítva a megelőző szövegből, ami tönkreteszi az anaforikus hivatkozásokat. Egy olyan mondat, mint „a fentiek szerint ez a határidő a nagykereskedelmi rendelésekre is vonatkozik“, darabolás után használhatatlanná válik: sem a határidő, sem annak tárgya nem szerepel a töredékben. Írd át így: „a tizennégy napos elállási időszak a nagykereskedelmi rendelésekre is vonatkozik“, és a darab önmagában is megállja a helyét.

Jobb lekérdezések írása

A lekérdezések pontossága ugyanolyan súlyú tényező, mint a korpusz minősége. A „biztonság“ kifejezésre történő keresés tucatnyi eltérő részletet ad vissza, a jelszavaktól a fizikai beléptetésrendszerekig; ezzel szemben a „bejövő kapcsolatok tűzfalbeállítása a 443-as porton“ azonnal célba veszi a két-három hasznos szakaszt. Ha dokumentumaid bevett szakmai szókincset használnak, alkalmazd azt te is: még a hibrid módban is, amely egyesíti a pontos egyezést és a szemantikai megértést, a szó szerinti kifejezés erős jelzésnek számít.

Részesítsd előnyben a teljes kérdéseket a kulcsszavak halmazával szemben. Az „API kapcsolati időtúllépés“ kifejezés találgatásra kényszeríti a motort a szándékodat illetően, míg a „Hogyan konfiguráljam az API kapcsolati időtúllépést?“ nyelvtani szerkezetet biztosít, amelyhez az indexelt mondatokat illesztheti. A nyereség különösen nyilvánvaló a szemantikai módban, amelyet kifejezetten a természetes nyelvű feldolgozásra terveztek.

Metaadatok és szervezés kihasználása

Ha metaadatokat definiáltál az inject_into_chunk segítségével, azok beépülnek az indexelt szövegbe, és horgonypontokként funkcionálnak. Egy minden darabba beinjektált department mező azt jelenti, hogy a „jóváhagyási eljárás a marketingosztályon“ lekérdezés spontán módon a marketingosztály dokumentumait hozza felszínre, minden explicit szűrő beállítása nélkül.

A tematikus gyűjteményszervezés ugyanezt a hatást éri el nagyobb léptékben. Ahelyett, hogy egyetlen gyűjteményben tárolnál mindent, hozz létre külön col_docs_techniques gyűjteményt a műszaki dokumentációnak, col_procedures_internes néven a folyamatoknak, és col_support_client néven a GYIK-oknak és felhasználói útmutatóknak. Egy ügyfelekkel kommunikáló asszisztens ezután csak a harmadikat kérdezi le: kevesebb átkutatandó dokumentum pontosabb találatokat jelent, és alacsonyabb költséget eredményez, mivel nem indulnak hívások felesleges gyűjtemények felé. A keresési mód kiegészíti ezt a beállítást: használd a keyword módot kódhoz vagy pontos hivatkozásokhoz, a semantic módot fogalmi kérdésekhez, a hybrid módot pedig bizonytalanság esetén és alapértelmezettként.

Mérés bevezetés előtt

Mindez értéktelen értékelés nélkül. Élesítés előtt állíts össze egy tesztkészletet: fogalmazz meg tíz-húsz, valós eseteket reprezentáló kérdést – azokat, amelyeket a felhasználóid ténylegesen feltesznek, nem pedig azokat, amelyeket elképzelsz. Futtasd le őket, értékeld a visszaadott találatok relevanciáját, és jegyezd fel azokat a lekérdezéseket, amelyek nem megfelelő részleteket adnak vissza. Ezek jelzik, mit kell javítanod: javítsd az érintett dokumentum szerkezetét, adj hozzá metaadatokat, vagy fogalmazd át magát a lekérdezést.

A pontszámok szolgálnek hőmérőként ebben a ciklusban. Minden eredmény kap egy 0 és 1 közötti értéket; ha a tipikus lekérdezéseid következetesen 0,5 alatt maradnak, ne a modell oldalán keresd a hibát. Vagy a dokumentumaid rosszul strukturáltak, a kérdéseid túl tágak, vagy – ami a leggyakoribb és leggyakrabban félrediagnosztizált ok – a korpuszod egyszerűen nem tartalmaz semmit a kért témáról. Ugyanezen kérdéssorozat újralefuttatása minden módosítás után számszerűen mutatja meg, hogy haladsz-e előre.

Főbb megállapítások

  • A találatok minősége a dokumentumok szerkezetétől, a lekérdezések pontosságától és a gyűjtemények szervezésétől függ
  • Az egyértelmű címek és az ésszerű dokumentumméret javítja a darabolást
  • A teljes, természetes nyelvű kérdések jobb eredményeket hoznak, mint az elszigetelt kulcsszavak
  • Az inject_into_chunk metaadatok gazdagítják a darabokat és növelik a relevanciát
  • Élesítés előtt teszteld a gyűjteményeidet tipikus lekérdezésekkel