KI-Suche Retrieval-Augmented Generation (RAG)

Sie können die Suchgenauigkeit von verbessern KI-Suche Ergebnisse mithilfe von KI-Suche Retrieval-Augmented Generation( RAG) Anwendung. Mit RAG, Sie können den Fokus eines großen Sprachmodells (LLM) auf einen bestimmten, kontextbezogenen Datensatz beschränken, anstatt auf die allgemeinen Daten, für die es trainiert wurde.

KI-Suche RAG Übersicht

RAG Kombiniert den Informationsabruf mit der KI-Textgenerierung. Es funktioniert in zwei Schritten. Er indiziert die Daten, um sie durchsuchbar zu machen, und sucht dann anhand von Abfragen, die Daten indiziert haben.

Die Effektivität von KI-Suche RAG Basiert auf dem Einbettungsmodell, das von den erweiterten Suchmethoden wie einer semantischen oder Vektorsuche verwendet wird, um die kontextorientierten Informationen aus indizierten Quellen abzurufen. Das Einbettungsmodell generiert Einbettungen, die auf der Suchabfrage des Anwenders basieren. Die Einbettungen werden dann von einem LLM verwendet, um relevante Antworten zu erstellen. Das Einbettungsmodell ist die Engine hinter RAG, mit der Informationen gesucht, abgerufen und in eine Vektorzuordnung eingebettet werden können, bevor sie an ein LLM übergeben werden. Standardmäßig RAG Verwendet das Einbettungsmodell (E5), unterstützt aber auch zusätzliche Drittparteimodelle wie Azure OpenAI Einbettung und Google Gemini Einbettung. Anwender können auch eigene anwenderdefinierte Einbettungsmodelle von Drittanbietern mitbringen, um Einbettungen für ihre spezifischen zu erstellen RAG Benötigt.

Wird Aktiviert KI-Suche RAG

KI-Suche RAG-Funktionalität wird von bereitgestellt KI-Suche RAG Plugin (sn_ais_RAG). Dieses Plugin wird bei der Installation automatisch für Ihre Instanz aktiviert Controller für generative KI Oder beliebig Now Assist Anwendungan.