Meklēšanas režīmi: atslēgvārdu, semantiskais, hibrīds
Šajā lapā
Trīs pieejas informācijas atrašanai
Lauks retrieval_mode pieņem trīs vērtības, un šī izvēle nav tikai kosmētiska: tā nosaka, ko dzinējs salīdzina. Viens režīms analizē vārdus, cits – nozīmi, bet trešais dara abus vienlaikus. Atkarībā no taviem dokumentiem un tā, kā lietotāji formulē jautājumus, atbilstības starpība starp diviem režīmiem vienā un tajā pašā kolekcijā var būt dramatiski liela.
Atslēgvārdu režīms: burtiska atbilstība
Atslēgvārdu režīms darbojas kā klasiska meklētājprogramma. Tas salīdzina jautājuma vārdus ar indeksēto tekstu un atlasa fragmentus, kas šos vārdus faktiski satur.
{
"query": "VAT rate 20%",
"source": { "collection_ids": ["col_fiscal"] },
"retrieval_mode": { "type": "keyword" }
}
Tā stiprā puse ir burtiskums. Produktu atsaucei, piemēram, „XR-2847”, rēķina numuram, likuma pantam vai nozares akronīmam tas nekļūdās: vai nu virkne tur ir, vai tās nav. Tas neveic nekādus iegulšanas (embedding) aprēķinus, tāpēc darbojas ātri. Tā vājā puse ir tieši šīs priekšrocības otrā puse: tas neko nesaprot. Ja tavs dokuments runā par „pievienotās vērtības nodokli”, bet lietotājs ievada „VAT”, atbilstība nenotiek un tu saņem nulles rezultātus no dokumenta, kurā atbilde patiesībā bija. Viss tad ir atkarīgs no autora un lasītāja vārdu krājuma sakritības, kas ir riskants solījums, tiklīdz tavi lietotāji nav dokumentu autori.
Semantiskais režīms: nozīmes izpratne
Semantiskais režīms pārveido jautājumu un teksta fragmentus vektoros, pēc tam salīdzinot nozīmes, nevis rakstzīmes. Tādējādi tas atlasa atbilstošus fragmentus pat tad, ja nav kopīgu vārdu.
{
"query": "how to reduce sales taxes",
"source": { "collection_ids": ["col_fiscal"] },
"retrieval_mode": { "type": "semantic" }
}
Šis jautājums nesatur nedz „VAT”, nedz „atbrīvojumu”, taču tas atlasīs fragmentus, kas attiecas uz PVN, pievienotās vērtības nodokli, nodokļu atskaitījumiem vai atbrīvojumiem. Tieši to vēlies sabiedrībai paredzētam asistentam: tavi lietotāji jautā saviem vārdiem, nevis tava juridiskā departamenta leksikā. Režīms bez problēmām apstrādā sinonīmus – „atmaksas pieprasījums”, „kredītrēķins” un „kredīts” vektoru telpā dabiski grupējas kopā. Par to tas zaudē precizitāti tur, kur tā ir absolūti nepieciešama: produkta kods „XR-2847” semantiski izskatās līdzīgs „XR-2874”, un dzinējs var atgriezt nepareizo. Katrs jautājums prasa arī iegulšanas aprēķinu, tāpēc pastāv skaitļošanas izmaksas, kas atslēgvārdu režīmā nepastāv.
Hibrīdrežīms: abi signāli vienlaikus
Hibrīdrežīms ir noklusējuma režīms un tas, ko iesaka xAI, jo tas atsakās no kompromisiem. Paņemsim tipisku juridisku jautājumu, kas sajauc precīzu atsauči un neskaidru jēdzienu.
{
"query": "article L.121-3 director liability",
"source": { "collection_ids": ["col_juridique"] },
"retrieval_mode": { "type": "hybrid" }
}
Apstrāde notiek trīs soļos. Vispirms dzinējs veic atslēgvārdu meklēšanu, lai uztvertu precīzas atbilstības – šajā gadījumā virkni „L.121-3”. Paralēli tas veic semantisko meklēšanu, lai atrastu fragmentus, kas konceptuāli saistīti ar direktoru atbildību, pat ja tajos nav lietoti tieši šie vārdi. Visbeidzot tas apvieno abus sarakstus un pārkārto tos, lai maksimāli palielinātu kopējo atbilstību.
Rezultāts aptver gan pantus, kas tieši citē L.121-3, gan komentārus, kas aplūko direktoru atbildību, neminot šo pantu. Atmiņa (recall) ievērojami uzlabojas: tu palaid garām mazāk atbilstošu dokumentu neatkarīgi no jautājuma stila. Tāpēc hibrīdrežīms darbojas tikpat labi gan tehniskiem jautājumiem, gan sarunvalodas frāzēm, un tāpēc tas ir saprātīgākais noklusējuma izvēles variants.
Tomēr ir divas situācijas, kas attaisno atteikšanos no šī iestatījuma. Ja meklē konkrētu funkcijas signatūru koda bāzē, semantiskais troksnis tev traucē, un keyword būs asāks. Savukārt plašai izpētei – „ko esam rakstījuši par klientu lojalitāti?” – bez konkrēta atslēgvārda, uz kuru balstīties, semantic uzmet plašāku tīklu un palīdz atklāt dokumentus, kurus nemeklēji.
Režīmu salīdzinājums
| Kritērijs | keyword | semantic | hybrid |
|---|---|---|---|
| Precīzi termini | Lieliski | Viduvēji | Labi |
| Sinonīmi | Slikti | Lieliski | Labi |
| Dabiskā valoda | Slikti | Lieliski | Lieliski |
| Kodi/atsauces | Lieliski | Slikti | Labi |
| Ieteikums | Īpaši gadījumi | Izpēte | Noklusējums |
Vienkāršs veids, kā izlemt: paņem desmit reālus lietotāju jautājumus, palaid tos visos trīs režīmos vienā un tajā pašā kolekcijā un salīdzini pirmos piecus rezultātus. Piecpadsmit minūtēs uzzināsi, vai tavs korpuss tiecas uz precīzu vārdu krājumu vai uz nozīmi.
Galvenās atziņas
- Atslēgvārdu režīms meklē precīzas atbilstības – ideāli tehniskiem terminiem un atsaukēm
- Semantiskais režīms saprot nozīmi – ideāli jautājumiem dabiskā valodā
- Hibrīdrežīms apvieno abus – tas ir ieteicamais noklusējuma izvēles variants
- Izmanto
keyword, lai meklētu kodus, identifikatorus vai precīzas vērtības - Visos pārējos gadījumos izmanto
hybrid