Moduri de căutare: pe cuvinte-cheie, semantic, hibrid
Pe această pagină
Trei abordări pentru găsirea informațiilor
Câmpul retrieval_mode acceptă trei valori, iar această alegere nu este doar cosmetică: ea determină ce anume compară motorul. Un mod analizează cuvintele, altul sensul, iar al treilea le combină pe ambele. În funcție de documentele dumneavoastră și de modul în care utilizatorii formulează întrebările, decalajul de relevanță dintre două moduri poate fi dramatic pentru aceeași colecție.
Modul pe cuvinte-cheie: potrivire literală
Modul pe cuvinte-cheie se comportă ca un motor de căutare clasic. Potrivește cuvintele din interogarea dumneavoastră cu textul indexat și afișează pasajele care conțin efectiv acele cuvinte.
{
"query": "VAT rate 20%",
"source": { "collection_ids": ["col_fiscal"] },
"retrieval_mode": { "type": "keyword" }
}
Punctul său forte rezidă în literalitate. Pentru o referință de produs precum „XR-2847“, un număr de factură, un articol de lege sau un acronim din industrie, nu face greșeli: șirul de caractere fie există, fie nu există. Nu calculează niciun embedding, ceea ce îl face rapid. Slăbiciunea sa este exact inversul acestei calități: nu înțelege nimic. Dacă documentul dumneavoastră vorbește despre „taxa pe valoarea adăugată“, iar utilizatorul tastează „TVA“, potrivirea nu are loc și obțineți zero rezultate dintr-un document care conținea de fapt răspunsul. Totul depinde atunci de coincidența de vocabular dintre autor și cititor, ceea ce reprezintă un pariu riscant imediat ce utilizatorii dumneavoastră nu sunt autorii documentelor.
Modul semantic: înțelegerea sensului
Modul semantic transformă interogarea și fragmentele (chunks) în vectori, comparând apoi sensurile în loc de caractere. Astfel, afișează pasaje relevante chiar și atunci când nu se regăsesc cuvinte comune.
{
"query": "how to reduce sales taxes",
"source": { "collection_ids": ["col_fiscal"] },
"retrieval_mode": { "type": "semantic" }
}
Această interogare nu conține nici „TVA“, nici „scutire“, și totuși va afișa pasaje care tratează despre TVA, taxa pe valoarea adăugată, deducerile fiscale sau scutirile. Acesta este exact ceea ce doriți pentru un asistent orientat către public: utilizatorii dumneavoastră interoghează folosind propriile cuvinte, nu lexicul departamentului juridic. Modul gestionează sinonimele fără ezitare – „rambursare“, „notă de credit“ și „credit“ se grupează natural în spațiul vectorial. În schimb, pierde precizie acolo unde aceasta este absolută: un cod de produs „XR-2847“ pare semantic similar cu „XR-2874“, iar motorul ar putea returna varianta greșită. Fiecare interogare necesită, de asemenea, un calcul de embedding, deci există un cost computațional care nu există în modul pe cuvinte-cheie.
Modul hibrid: ambele semnale simultan
Modul hibrid este modul implicit și cel recomandat de xAI, deoarece refuză compromisul. Luați o interogare juridică tipică, care amestecă o referință exactă și un concept fuzzy.
{
"query": "article L.121-3 director liability",
"source": { "collection_ids": ["col_juridique"] },
"retrieval_mode": { "type": "hybrid" }
}
Procesarea se desfășoară în trei pași. Motorul execută mai întâi o căutare pe cuvinte-cheie pentru a prinde potrivirile exacte, aici șirul „L.121-3“. Rulează în paralel o căutare semantică ce caută pasaje legate conceptual de răspunderea directorilor, chiar și atunci când nu folosesc acele cuvinte exacte. În final, îmbină cele două liste și le reordonează pentru a maximiza relevanța globală.
Rezultatul captează atât articolele care citează explicit L.121-3, cât și comentariile care tratează despre răspunderea directorilor fără a menționa articolul. Rechemarea (recall) se îmbunătățește semnificativ: ratați mai puține documente relevante, indiferent de registrul întrebării. De aceea modul hibrid funcționează la fel de bine pentru o interogare tehnică cât și pentru o frază conversațională și de ce constituie alegerea implicită rezonabilă.
Două situații justifică totuși abaterea de la această setare. Dacă căutați o semnătură specifică de funcție într-o bază de cod, zgomotul semantic lucrează împotriva dumneavoastră, iar keyword va fi mai precis. Invers, pentru o explorare largă – „ce am scris despre loialitatea clienților?“ – fără un termen pivot de potrivit, semantic aruncă o plasă mai largă și vă ajută să descoperiți documente pe care nu le căutați inițial.
Compararea modurilor
| Criteriu | keyword | semantic | hybrid |
|---|---|---|---|
| Termeni exacți | Excelent | Mediu | Bun |
| Sinonime | Slab | Excelent | Bun |
| Limbaj natural | Slab | Excelent | Excelent |
| Coduri/referințe | Excelent | Slab | Bun |
| Recomandare | Cazuri specifice | Explorare | Implicit |
O modalitate simplă de a decide: luați zece întrebări reale de la utilizatorii dumneavoastră, rulați-le în toate cele trei moduri pe aceeași colecție și comparați primele cinci rezultate. În cincisprezece minute, veți ști dacă corpusul dumneavoastră înclină mai mult către vocabularul exact sau către sens.
Puncte cheie
- Modul pe cuvinte-cheie caută potriviri exacte – ideal pentru termeni tehnici și referințe
- Modul semantic înțelege sensul – ideal pentru întrebări în limbaj natural
- Modul hibrid le combină pe ambele – aceasta este alegerea implicită recomandată
- Utilizați
keywordpentru căutări de coduri, identificatori sau valori exacte - Utilizați
hybridîn toate celelalte cazuri