Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Modalità di ricerca: per parole chiave, semantica, ibrida

Lezione 10 di 16 Aggiornata il 29 luglio 2026 Sviluppatore
In questa pagina
  1. Tre approcci per trovare informazioni
  2. Modalità per parole chiave: corrispondenza letterale
  3. Modalità semantica: comprendere il significato
  4. Modalità ibrida: entrambi i segnali contemporaneamente
  5. Confronto tra modalità
  6. Punti chiave

Tre approcci per trovare informazioni

Il campo retrieval_mode accetta tre valori e questa scelta non è cosmetica: determina cosa confronta il motore. Una modalità esamina le parole, un’altra il significato e la terza fa entrambe le cose. A seconda dei tuoi documenti e di come gli utenti formulano le domande, il divario di pertinenza tra due modalità può essere drammatico sulla stessa collezione.

Modalità per parole chiave: corrispondenza letterale

La modalità per parole chiave si comporta come un motore di ricerca classico. Confronta le parole della tua query con il testo indicizzato e restituisce i passaggi che contengono effettivamente quelle parole.

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

La sua forza risiede nella sua letteralità. Per un riferimento prodotto come “XR-2847”, un numero di fattura, un articolo di legge o un acronimo settoriale, non commette errori: o la stringa c’è, o non c’è. Non calcola alcun embedding, il che la rende veloce. La sua debolezza è esattamente il rovescio della medaglia di questa qualità: non capisce nulla. Se il tuo documento parla di “imposta sul valore aggiunto” quando l’utente digita “IVA”, la corrispondenza non avviene e ottieni zero risultati da un documento che conteneva effettivamente la risposta. Tutto dipende allora dalla coincidenza di vocabolario tra chi scrive e chi legge, una scommessa rischiosa non appena i tuoi utenti non sono gli autori dei documenti.

Modalità semantica: comprendere il significato

La modalità semantica trasforma la query e i chunk in vettori, confrontando poi i significati anziché i caratteri. Restituisce quindi passaggi pertinenti anche quando non ci sono parole in comune.

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

Questa query non contiene né “IVA” né “esenzione”, eppure restituirà passaggi che trattano di IVA, imposta sul valore aggiunto, detrazioni fiscali o esenzioni. È esattamente ciò che desideri per un assistente rivolto al pubblico: i tuoi utenti interrogano con le loro parole, non con il lessico del tuo ufficio legale. La modalità gestisce i sinonimi senza esitare: “rimborso”, “nota di credito” e “credito” si raggruppano naturalmente nello spazio vettoriale. In cambio, perde precisione laddove la precisione è assoluta: un codice prodotto “XR-2847” appare semanticamente simile a “XR-2874” e il motore potrebbe restituire quello sbagliato. Ogni query richiede inoltre un calcolo di embedding, comportando un costo computazionale assente nella modalità per parole chiave.

Modalità ibrida: entrambi i segnali contemporaneamente

La modalità ibrida è quella predefinita e quella raccomandata da xAI, perché rifiuta il compromesso. Prendi una tipica query legale, che mescola un riferimento esatto e un concetto sfumato.

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

L’elaborazione avviene in tre fasi. Il motore esegue prima una ricerca per parole chiave per catturare le corrispondenze esatte, qui la stringa “L.121-3”. Esegue parallelamente una ricerca semantica che cerca passaggi concettualmente legati alla responsabilità degli amministratori, anche quando non usano quelle parole esatte. Infine, unisce le due liste e le riordina per massimizzare la pertinenza complessiva.

Il risultato cattura sia gli articoli che citano esplicitamente L.121-3, sia i commenti che trattano la responsabilità degli amministratori senza menzionare l’articolo. Il recall migliora significativamente: perdi meno documenti pertinenti, indipendentemente dal registro della domanda. Ecco perché l’ibrido funziona bene sia per una query tecnica che per una frase conversazionale, e perché costituisce la scelta predefinita ragionevole.

Due situazioni giustificano comunque l’allontanamento da questa impostazione. Se cerchi una firma di funzione specifica in un codebase, il rumore semantico lavora contro di te e keyword sarà più precisa. Al contrario, per un’esplorazione ampia—“cosa abbiamo scritto sulla fedeltà dei clienti?”—senza un termine pivot da far corrispondere, semantic lancia una rete più ampia e ti aiuta a scoprire documenti che non stavi cercando.

Confronto tra modalità

Criteriokeywordsemantichybrid
Termini esattiEccellenteDiscretoBuono
SinonimiScarsoEccellenteBuono
Linguaggio naturaleScarsoEccellenteEccellente
Codici/riferimentiEccellenteScarsoBuono
RaccomandazioneCasi specificiEsplorazionePredefinito

Un modo semplice per decidere: prendi dieci domande reali dei tuoi utenti, eseguile nelle tre modalità sulla stessa collezione e confronta i primi cinque risultati. In quindici minuti saprai se il tuo corpus pende verso un vocabolario esatto o verso il significato.

Punti chiave

  • La modalità per parole chiave cerca corrispondenze esatte: ideale per termini tecnici e riferimenti
  • La modalità semantica comprende il significato: ideale per domande in linguaggio naturale
  • La modalità ibrida combina entrambe: questa è la scelta predefinita raccomandata
  • Usa keyword per ricerche di codici, identificatori o valori esatti
  • Usa hybrid in tutti gli altri casi