Optimizirajte ustreznost svojih iskanj
Na tej strani
Kakovost rezultatov je odvisna od tebe
Iskalnik xAI je zmogljiv, vendar deluje le z gradivom, ki mu ga priskrbiš. Slabo pripravljena zbirka prinaša povprečne rezultate tudi ob uporabi najboljšega modela, kar ekipe pogosto napačno pripelje do zaključka, da „RAG ne deluje”. Nadzor imaš nad tremi vzvodi: strukturo dokumentov, oblikovanjem poizvedb in organizacijo zbirk. Ta lekcija jih obravnava po tem vrstnem redu, nato pa ponuja metodo za merjenje tvojega napredka.
Priprava dokumentov za razdeljevanje na dele
Pogon se pri razdeljevanju vsebine na dele (chunking) zanaša na strukturo dokumenta: naslovi, podnaslovi in odstavki služijo kot označevalci. Naslov, kot je „Politika vračil za spletne nakupe”, delu daje jasno identiteto in ga naredi najdljivega; „Poglavje 3.2.1” pa ne zagotavlja uporabnega signala za razdeljevanje ali semantično ujemanje. Preimenovanje naslovov v internem priročniku pred indeksiranjem je pogosto optimizacija z najvišjim donosom naložbe v celotnem projektu.
Naslednja pomembna stvar je velikost dokumenta. PDF z 500 stranmi ustvari na stotine delov, ki tekmujejo med seboj: večji in raznolikejši kot je interni korpus dokumenta, večje je tveganje, da bo nepomemben odlomek dosegel visoko oceno. Te monolite razdeli na tematske sekcije in ciljaj na dokumente z dvajset do petdeset stranmi, namenjene eni sami temi, namesto na obsežne dokumente, ki pokrivajo vse.
Tu je še vprašanje konteksta. Vsak del se bere izolirano, iztrgan iz tega, kar mu je sledilo, kar obsodi anaforične reference na neuporabnost. Stavek, kot je „kot je omenjeno zgoraj, ta rok velja tudi za večja naročila”, postane po razdeljevanju neuporaben: niti rok niti njegov predmet se v fragmentu ne pojavita. Zapiši „štirinajstdnevno obdobje za odstop velja tudi za večja naročila” in del bo stal sam zase.
Oblikovanje boljših poizvedb
Natančnost poizvedbe je enako pomembna kot kakovost korpusa. Iskanje po ključni besedi „varnost” vrne na ducate razpršenih odlomkov, od gesel do fizičnega nadzora dostopa; „konfiguracija požarnega zidu za dohodne povezave na vratih 443” pa takoj cilja na dva ali tri uporabne odlomke. Ko tvoji dokumenti uporabljajo uveljavljeno tehnično besedišče, ga ponovno uporabi: tudi v hibridnem načinu, ki meša točno ujemanje in semantično razumevanje, ostaja dobesedni izraz močan signal.
Daj prednost celim vprašanjem pred paketi ključnih besed. „Časovna omejitev povezave API” pusti pogon, da ugiba tvojo namero, medtem ko „Kako konfiguriram časovno omejitev povezave API?” zagotavlja slovnično strukturo za ujemanje z indeksiranimi stavki. Dobiček je še posebej očiten v semantičnem načinu, ki je bil zasnovan za naravni jezik.
Izkoriščanje metapodatkov in organizacije
Če si deklariral metapodatke z inject_into_chunk, so ti vključeni v indeksirano besedilo in postanejo sidrne točke. Polje department, vbrizgano v vsak del, pomeni, da poizvedba „postopek validacije v marketinški ekipi” spontano prikaže dokumente marketinškega oddelka, brez kakršnega koli eksplicitno nastavljenega filtra.
Tematska organizacija zbirk proizvaja enak učinek v večjem merilu. Namesto ene same zbirke, ki vsebuje vse, loči col_docs_techniques za tehnično dokumentacijo, col_procedures_internes za procese in col_support_client za pogosta vprašanja in uporabniške priročnike. Pomočnik, namenjen strankam, nato poizveduje le v tretji: manj dokumentov za iskanje pomeni natančnejše rezultate in nižje stroške, saj ni klicev v neuporabne zbirke. Način iskanja to nastavitev dopolnjuje – keyword za kodo ali točne reference, semantic za konceptualna vprašanja, hybrid v primeru dvoma in privzeto.
Merjenje pred uvedbo
Brez evalvacije vse to nima smisla. Pred proizvodnjo sestavi testni niz: oblikuj deset do dvajset vprašanj, ki predstavljajo realne primere, tista, ki jih tvoji uporabniki dejansko zastavljajo, ne tistih, ki si jih zamišljaš. Zaženi jih, oceni ustreznost vrnjenih rezultatov in zabeleži poizvedbe, ki vrnejo neustrezne odlomke. Te ti povedo, kaj je treba popraviti: izboljšaj strukturo ustreznega dokumenta, dodaj metapodatke ali preoblikuj samo poizvedbo.
Ocene med to zanko služijo kot tvoj termometer. Vsak rezultat nosi vrednost med 0 in 1; če tvoje tipične poizvedbe dosledno ostajajo pod 0,5, težave ne išči na strani modela. Bodisi so tvoji dokumenti slabo strukturirani, tvoja vprašanja ostajajo preveč nejasna ali – kar je najpogostejše in najbolj napačno diagnosticirano – tvoj korpus preprosto ne vsebuje ničesar o zahtevani temi. Ponovno izvajanje tega istega niza vprašanj po vsaki spremembi ti s številkami pove, ali napreduješ.
Ključne ugotovitve
- Kakovost rezultatov je odvisna od strukture dokumentov, natančnosti poizvedb in organizacije zbirk
- Eksplicitni naslovi in razumne velikosti dokumentov izboljšajo razdeljevanje na dele
- Cela vprašanja v naravnem jeziku dajejo boljše rezultate kot izolirane ključne besede
- Metapodatki
inject_into_chunkobogatijo dele in izboljšajo ustreznost - Pred uvedbo v proizvodnjo preizkusi svoje zbirke s tipičnimi poizvedbami