Verbesserung von Abfragen in natürlicher Sprache mit Tag-Konfiguration

  • Freigeben Version: Australia
  • Aktualisiert 17. März 2026
  • 5 Minuten Lesedauer
  • KI-Anweisungen fügen Abfragen in natürlicher Sprache weiteren Geschäftskontext hinzu. Sie leiten Anwender an und fördern Antworten, die besser an ihre Bedürfnisse und Erwartungen ausgerichtet sind.

    KI-Anweisungen

    KI-Anweisungen helfen zu klären, wie das Wissensdiagramm Anwenderabfragen interpretiert und auf Daten zugreift. Wenn ein Anwender eine Abfrage übermittelt, werden relevante Anweisungen auf allen anwendbaren Ebenen wie Knoten, Eigenschaft und Edge berücksichtigt.

    KI-Anweisungen sind persistente, deklarative Anleitungen, die auf drei Ebenen angewendet werden:
    • Knotenebene (Entität/Tabelle)
    • Eigenschaftsebene (Spalte/Attribut)
    • Edge (Beziehungs-)Ebene

    Die Kennzeichnung „immer einbeziehen“

    Die Option zum Festlegen von Immer einbeziehen Mit der Kennzeichnung können Anwender angeben, dass eine bestimmte Anweisung bedingungslos berücksichtigt werden soll. Dies ist nützlich, um kritische Geschäftsfilter durchzusetzen, z. B. bestimmte Asset-Status immer auszuschließen, sofern nicht anders angefordert.

    Anweisungen:
    • Verwenden Immer einbeziehen Für geschäftskritische Filter, die unabhängig von der Ausformulierung der Anwenderabfrage gelten müssen.
    • Auslassen Immer einbeziehen Für kontextbezogene Anweisungen, die nur gelten sollen, wenn relevant.
    • Stellen Sie sicher, dass gekennzeichnete Anweisungen nicht miteinander in Konflikt stehen oder zu doppelten Ergebnissen führen.

    Die folgende Tabelle zeigt allgemeine Szenarien, in denen KI-Anweisungen die Genauigkeit der Abfragen verbessern und einen besseren Geschäftskontext bieten.

    Tabelle : 1. Beispiele für die effektive Verwendung von KI-Anweisungen
    Nein. Anweisungsmuster Beispielabfrage Verhalten ohne KI-Anweisung Beispiel für KI-Anweisungen Verhalten mit KI-Anweisung
    1 Falsche Durchlaufpfade werden verhindert Welche Unternehmen befinden sich in New York? Wenn keine Anweisungen hinzugefügt werden, wird die Abfrage von „Core_Company“ in die Tabelle „cmn_location“ geleitet und standardmäßig im Feld „Stadt“ gefiltert. Wenn Ihr Anwendungsfall jedoch erfordert, den Standort aus dem Stadtfeld der Tabelle „Core_Company“ abzufragen, müssen Sie eine KI-Anweisung schreiben, um das System auf dem Durchlaufpfad zu leiten. Tabellenanweisung für Core_Company Tabelle: Verwenden Sie für Abfragen von „Company-City“ immer „Core_Company.City“ direkt. Gehen Sie NICHT durch cmn_location.

    Diese Anweisung verhindert, dass das System den Pfad „cmn_location“ für städtebasierte Unternehmensabfragen verwendet.

    Wenn Anweisung hinzugefügt wird, stimmt die Abfrage mit dem Feld „Stadt“ in der Tabelle „Core_Company“ überein, filtert dann „City=New York“ und gibt alle übereinstimmenden Unternehmen zurück.
    2 Angabe des spaltenspezifischen Kontexts Wer hat die BBS0000013 Brown Bag-Sitzung geleitet? Wenn keine KI-Anweisung vorhanden ist, gibt das System sys_ID zurück, ohne zu Host_s. zu navigieren Sie müssen eine Anweisung in der Spalte „Host_s“ hinzufügen, um Geschäftskontext bereitzustellen, damit diese Spalte verwendet werden kann, wenn die Abfrage einen Host betrifft. Spaltenanweisung ein Host_s Von X_snc_brown_bags_sessions Tabelle: Verwenden Sie die Beziehung s.Host_s oder :Host_s für den Host einer Brown Bag-Sitzung, NICHT s.sys_created_by Wenn Anweisungen hinzugefügt werden, gibt die Abfrage den Namen aus der Spalte „Host_s“ korrekt zurück.
    3 Angabe des spaltenspezifischen Kontexts Was ist die Amtszeit von Kelsey Rodriguez in der aktuellen Rolle (Monate)? Wenn keine KI-Anweisung vorhanden ist, gibt das System möglicherweise kein genaues Ergebnis aus, da es möglicherweise falsche Informationen für die Spalte „Anure“ bereitstellt. Sie müssen eine Anweisung hinzufügen, die das System anleitet, auf die rechte Spalte für solche Abfragen zu verweisen. Spaltenanweisung für time_in_current_role Spalte: Priorisieren Sie diese Spalte, wenn die Abfrage „in aktueller Rolle“ enthält. Wenn Anweisungen hinzugefügt werden, gibt die Abfrage die Zeit von korrekt zurück time_in_current_role Spalte.
    4 Bereitstellung von Kontext dazu, was bei ähnlichen Tabellen priorisiert werden soll Geben Sie mir den Namen der Berichte von Allison Hill mit Zielvorgaben, die > 0 fällig sind?

    Wenn keine KI-Anweisung vorhanden ist, verweist LLM direkt auf die Tabelle „sys_user“, um Anwenderdetails abzurufen, anstatt zur WDF-Tabelle zu navigieren, in der diese Informationen gespeichert sind.

    Wir müssen eine Anweisung hinzufügen, um LLLM zu unterstützen, um auf die rechte Tabelle zu verweisen, wenn ähnliche Tabellen vorhanden sind.

    Tabellenanweisung für WDF-Tabelle – „x_snc_wdf_user“

    „Geben Sie immer mehr Priorität an “ X_snc_wdf_user“ Über sys_user und andere Glide-Tabellen“

    Wenn Anweisungen hinzugefügt werden, verweist die Abfrage korrekt auf die WDF-Tabelle und gibt Ergebnisse zurück.
    5 Bereitstellung von Kontext dazu, was bei ähnlichen Tabellen priorisiert werden soll Wie lautet Ihre Stellenbezeichnung?

    Wenn keine KI-Anweisung vorhanden ist, verweist LLM direkt auf „ sn_hr_core_job “ Tabelle, um Auftragsdetails abzurufen, anstatt zu durchlaufen sn_hr_core_profile“ Tabelle, in der diese Informationen gespeichert werden.

    Wir müssen eine Anweisung hinzufügen, um LLLM zu unterstützen, um auf die rechte Tabelle zu verweisen, wenn ähnliche Tabellen vorhanden sind.

    Tabellenanweisung für Tabelle – „ sn_hr_core_profile

    „Rufen Sie „sn_hr_core_profile“ immer mehr Priorität vor „sn_hr_core_job“ ein, wenn der Anwender speziell nach Stellenbezeichnungen fragt.

    Wenn Anweisungen hinzugefügt werden, verweist die Abfrage korrekt auf die Tabelle „sn_hr_core_profile“ und gibt Ergebnisse zurück.
    6 Geben Sie mehrere ähnliche und verwirrende Auswahlwerte an Welche Hardwaremodelle befinden sich im normalisierten Status?

    Wenn keine KI-Anweisung vorhanden ist, verweist LLM auf den Auswahlwert „normalisiert“ der Spalte „Normalisierungsstatus“, der LLM verwirren könnte, ob andere Auswahlwerte verwendet werden sollen oder nicht, da das Feld „Normalisierungsstatus“ 5 Auswahlwerte hat (normalisiert, Hersteller normalisiert, manuell normalisiert, teilweise normalisiert, Übereinstimmung nicht gefunden).

    Wir müssen Anweisungen hinzufügen, um LLLM zu leiten, für die alle Auswahlmöglichkeiten in den Normalisierungsstatus aufgenommen werden sollen.

    Spaltenanweisung zu „Spalte – Normalisierungsstatus“:

    „Nehmen Sie den Normalisierungsstatus immer als normalisiert an, wenn die Auswahlwerte eine der folgenden Auswahlmöglichkeiten sind: „Normalisiert, Hersteller normalisiert, manuell normalisiert“

    Wenn Anweisungen hinzugefügt werden, berücksichtigt die Abfrage alle 3 Auswahlmöglichkeiten „normalisiert, Hersteller normalisiert, manuell normalisiert“ als normalisierter Status und gibt Ergebnisse zurück.

    BEST Practices für KI-Anweisungen

    Befolgen Sie diese Richtlinien, wenn Sie KI-Anweisungen erstellen, um eine optimale Leistung und Genauigkeit zu überprüfen:

    • Schreiben Sie klare, eindeutige und umsetzbare Anweisungen, die an die Geschäftslogik gebunden sind. Verweisen Sie immer auf die richtigen Tabellen (Knoten), Spalten (Eigenschaften) und Beziehungen (Edges). Verwenden Sie Kennzeichnungen wie „immer einbeziehen“ nur, wenn das standardmäßige Geschäftsverhalten „wahr“ erzwungen wird.
    • Vermeiden Sie vage oder widersprüchliche Anweisungen. Anweisungen, die nicht mit dem zugrunde liegenden Datenmodell übereinstimmen, können das System verwirren und zu falschen Ergebnissen führen. Beispielsweise ist eine Anweisung wie „nach Hersteller filtern“ ohne Angabe der Spalte oder Bedingung mehrdeutig.
    • Verwenden Sie Bedingungen, um zu steuern, wann Logik gilt. Geben Sie eindeutig an, wann eine Anweisung angewendet werden soll (z. B. nur, wenn der Anwender Host-Informationen anfordert), anstatt Logik universell anzuwenden.
    • Halten Sie Anweisungen fokussiert und generalisiert. Anweisungen sollten die Interpretation von Absichten über ähnliche Abfragen leiten und nicht einen einzelnen einmaligen Fall lösen.
    • Duplizieren Sie keine Logik, die bereits an anderer Stelle behandelt wurde. Vermeiden Sie das erneute Erstellen von Filtern oder Einschränkungen, die bereits über Datenfilter erzwungen werden, um Konflikte zu vermeiden.

    Unterstützung für Synonyme, Datenfilter und ausgeblendete Spalten

    Synonyme:

    Wissensdiagramm Unterstützt die Konfiguration von Synonymen für Tabellen, Spalten, Edges und umgekehrte Edges, um die Flexibilität und Anwenderfreundlichkeit zu verbessern. Mit Synonymen können Anwender alternative Namen für diese Entitäten definieren, die verschiedene Terminologien berücksichtigen.
    • Jede Entität kann bis zu fünf Synonyme haben.
    • Synonyme fördern eine breite Abdeckung für häufig verwendete alternative Begriffe.
    • Die Verwaltung eines verwaltbaren Synonymsatzes reduziert die Mehrdeutigkeit bei der Abfrageauflösung.

    Datenfilter:

    Datenfilter werden deterministisch als Nachverarbeitungsregeln angewendet, um Abfrageergebnisse zu verfeinern. Nach der ersten Verschlüsselungsgenerierung werden Filter systematisch angewendet, um die Konsistenz und Zuverlässigkeit der Ergebnisse zu fördern.
    • Filter werden nach der Verschlüsselungsgenerierung angewendet, nicht während.
    • Dynamische Filter ermöglichen die Echtzeitanpassung basierend auf dem Anwenderkontext.
    • Verbessert die Genauigkeit und Relevanz der zurückgegebenen Daten. Ändert die Core Graph-Abfrage nicht.

    Ausgeblendete Spalten:

    Ausgeblendete Spalten können nicht abgefragt werden und werden nicht im Ergebnis angezeigt.

    Beispiel: Fügen Sie die Mitarbeiternummer als ausgeblendete Spalten für die Tabelle „sys_user“ hinzu, um die Mitarbeiternummer aus Abfrageergebnissen auszublenden.