Przejdź do głównej treści
Polski— Wybierz język
Menu

Tryby wyszukiwania: słow kluczowych, semantyczny, hybrydowy

Lekcja 10 z 16 Zaktualizowano 29 lipca 2026 Programista
Na tej stronie
  1. Trzy podejścia do znajdowania informacji
  2. Tryb słów kluczowych: dopasowanie literalne
  3. Tryb semantyczny: rozumienie znaczenia
  4. Tryb hybrydowy: oba sygnały jednocześnie
  5. Porównanie trybów
  6. Kluczowe wnioski

Trzy podejścia do znajdowania informacji

Pole retrieval_mode akceptuje trzy wartości, a wybór ten nie jest tylko kosmetyczny: decyduje o tym, co porównuje silnik. Jeden tryb analizuje słowa, inny znaczenie, a trzeci robi obie te rzeczy jednocześnie. W zależności od Twoich dokumentów i sposobu, w jaki użytkownicy formułują pytania, różnica w trafności wyników między dwoma trybami może być dramatyczna nawet w obrębie tej samej kolekcji.

Tryb słów kluczowych: dopasowanie literalne

Tryb słów kluczowych działa jak klasyczna wyszukiwarka. Dopasowuje słowa z Twojego zapytania do zindeksowanego tekstu i wyświetla fragmenty, które faktycznie zawierają te słowa.

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

Jego siłą jest literalność. W przypadku odniesienia do produktu typu „XR-2847“, numeru faktury, artykułu prawnego czy akronimu branżowego nie popełnia błędów: ciąg znaków albo tam jest, albo go nie ma. Nie oblicza żadnych osadzeń (embeddingów), co czyni go szybkim. Jego słabością jest dokładne odwrócenie tej cechy: nic nie rozumie. Jeśli Twój dokument mówi o „podatku od wartości dodanej“, a użytkownik wpisze „VAT“, dopasowanie nie nastąpi i otrzymasz zero wyników z dokumentu, który faktycznie zawierał odpowiedź. Wszystko zależy wtedy od zbieżności słownictwa między autorem a czytelnikiem, co jest ryzykownym zakładem, gdy tylko Twoi użytkownicy nie są autorami dokumentów.

Tryb semantyczny: rozumienie znaczenia

Tryb semantyczny przekształca zapytanie i fragmenty tekstu w wektory, a następnie porównuje znaczenia, a nie znaki. Dzięki temu wyświetla odpowiednie fragmenty nawet wtedy, gdy nie dzielą one żadnych wspólnych słów.

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

To zapytanie nie zawiera ani słowa „VAT“, ani „zwolnienie“, a mimo to wyświetli fragmenty dotyczące VAT-u, podatku od wartości dodanej, odliczeń podatkowych czy zwolnień. To dokładnie to, czego oczekujesz od asystenta skierowanego do odbiorców zewnętrznych: Twoi użytkownicy zadają pytania swoimi słowami, a nie leksykonem Twojego działu prawnego. Tryb ten bez wahania radzi sobie z synonimami – „zwrot“, „nota kredytowa“ i „kredyt“ naturalnie grupują się razem w przestrzeni wektorowej. W zamian traci precyzję tam, gdzie musi być ona absolutna: kod produktu „XR-2847“ wygląda semantycznie podobnie do „XR-2874“ i silnik może zwrócić ten niewłaściwy. Każde zapytanie wymaga również obliczenia osadzenia, co wiąże się z kosztem obliczeniowym, którego nie ma w trybie słów kluczowych.

Tryb hybrydowy: oba sygnały jednocześnie

Tryb hybrydowy jest trybem domyślnym i tym, który rekomenduje xAI, ponieważ odrzuca kompromis. Weźmy typowe zapytanie prawne, które miesza dokładne odniesienie z nieostrym pojęciem.

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

Przetwarzanie odbywa się w trzech krokach. Silnik najpierw przeprowadza wyszukiwanie słów kluczowych, aby wychwycić dokładne dopasowania – w tym przypadku ciąg „L.121-3“. Równolegle uruchamia wyszukiwanie semantyczne, które szuka fragmentów koncepcyjnie powiązanych z odpowiedzialnością dyrektorów, nawet jeśli nie używają one tych dokładnych słów. Na końcu scala obie listy i ponownie je rankinguje, aby zmaksymalizować ogólną trafność.

Wynik obejmuje zarówno artykuły, które wyraźnie cytują L.121-3, jak i komentarze dotyczące odpowiedzialności dyrektorów, które nie wspominają o tym artykule. Znacząco poprawia się pełność wyników (recall): pomijasz mniej istotnych dokumentów, niezależnie od rejestru pytania. Dlatego tryb hybrydowy sprawdza się tak samo dobrze w przypadku zapytań technicznych, jak i fraz konwersacyjnych, co czyni go rozsądnym wyborem domyślnym.

Dwie sytuacje jednak uzasadniają odejście od tego ustawienia. Jeśli szukasz konkretnego podpisu funkcji w bazie kodu, szum semantyczny działa przeciwko Tobie i keyword będzie ostrzejszy. Odwrotnie, przy szerokim eksplorowaniu – „co napisaliśmy na temat lojalności klientów?“ – bez kluczowego terminu do dopasowania, semantic zarzuci szerszą sieć i pomoże Ci odkryć dokumenty, których nie szukałeś.

Porównanie trybów

Kryteriumkeywordsemantichybrid
Dokładne terminyDoskonałePrzeciętneDobre
SynonimySłabeDoskonałeDobre
Język naturalnySłabyDoskonałyDoskonały
Kody/odniesieniaDoskonałeSłabeDobre
RekomendacjaKonkretne przypadkiEksploracjaDomyślny

Prosty sposób na podjęcie decyzji: weź dziesięć rzeczywistych pytań od swoich użytkowników, uruchom je we wszystkich trzech trybach na tej samej kolekcji i porównaj pięć najlepszych wyników. W piętnaście minut dowiesz się, czy Twój korpus skłania się ku dokładnemu słownictwu, czy ku znaczeniu.

Kluczowe wnioski

  • Tryb keyword szuka dokładnych dopasowań – idealny do terminów technicznych i odniesień
  • Tryb semantic rozumie znaczenie – idealny do pytań w języku naturalnym
  • Tryb hybrid łączy oba podejścia – jest to zalecany wybór domyślny
  • Używaj keyword do wyszukiwania kodów, identyfikatorów lub dokładnych wartości
  • Używaj hybrid we wszystkich innych przypadkach