Einbettungen und Vektorsuche

Einbettungen ermöglichen die Suche nach Bedeutung, auch wenn die Frage vom Wortlaut des Dokuments abweicht. Vektoren sind modellspezifische Koordinaten.

Sie können diesen Kurs ohne Konto oder Programmierung absolvieren. Beispiele verwenden synthetische Daten und KI-Ergebnisse müssen überprüft werden.

Wie es funktioniert, Schritt für Schritt

Koordinaten für Bedeutung

Eine Einbettung ist ein numerischer Vektor, der von einem Modell berechnet wird. Texte mit verwandten Bedeutungen liegen im Raum dieses Modells tendenziell nahe beieinander, Ähnlichkeit garantiert jedoch keine Relevanz. Abfragen und Dokumente müssen einen kompatiblen Bereich teilen: passendes Modell und passende Abmessungen. Zur Veranschaulichung dient eine zweiachsige Karte; Reale Vektoren können Hunderte oder Tausende von Dimensionen haben. Erstellen Sie den Index neu und testen Sie ihn erneut, wenn Sie das Modell oder die Abmessungen ändern. Kosinusähnlichkeit vergleicht Vektorrichtungen; es ist nicht die Wahrscheinlichkeit, dass eine Antwort wahr ist.

Suche und Ranking sind verschiedene Phasen

Beim Retrieval werden Kandidaten ausgewählt und nach einer Rangfolge sortiert. top_k ist die Anzahl der angeforderten Ergebnisse; Eine Erhöhung kann zu Beweisen, aber auch zu Lärm führen. Ein Reranker untersucht die Anfrage und die Kandidaten genauer. Es kann keine Passage wiederherstellen, die in der ursprünglichen Liste fehlt. BM25 sucht nach lexikalischen Übereinstimmungen und hilft bei exakten Codes; Die Vektorsuche sucht nach semantischer Ähnlichkeit. RRF kombiniert Positionen in Ranglisten, anstatt Punkte mit inkompatiblen Einheiten zu addieren. Zusätzliche Stufen müssen ihre Qualität, Latenz und Kosten durch Tests rechtfertigen.

Gute Dokumente kommen vor guten Antworten

Bereiten Sie lesbaren Text, klare Überschriften, Tabellen mit Überschriften und Quellen ohne unnötige Duplikate vor. Chunking unterteilt ein Dokument in separat abrufbare Passagen; Überlappung bewahrt die Kontinuität zwischen Nachbarn. Ein kleiner Brocken kann Bedingungen verlieren, während ein großer Brocken Rauschen verursacht. Metadaten bewahren Quelle, Position und Version sowie den Zugriffsbereich, sofern dies durch die Implementierung erzwungen wird. Beim Hochladen wird die Datei gespeichert. Die Indizierung macht es durchsuchbar. Wenn sich eine Quelle ändert, prüfen Sie, ob alte Blöcke verschwinden und neue abgerufen werden, bevor Sie die Wissensdatenbank als aktuell erklären.

Das erklärende Schaubild

Folgen Sie den durchgezogenen Pfeilen für den Hauptfluss. Gestrichelte blaue Pfeile liefern Daten oder Kontext; Gestrichelte rosa Pfeile zeigen Feedback oder zurückgegebene Ergebnisse an. Farben und Formen unterscheiden Modelle, Geschäfte, Entscheidungen und Ergebnisse. Der Abruf gibt Beweise zurück. Wenn ein Antwortmodell aktiviert ist, erstellt es auch eine Antwort; sichergestellte Beweise müssen noch überprüft werden. Scrollen Sie auf kleinen Bildschirmen horizontal, um das gesamte Schaubild zu verfolgen.

Ein vollständiges Beispiel

„Wann kommt mein Paket an?“ finden Sie „Lieferung dauert 2–3 Tage“. „Code LX-240“ verfügt außerdem über eine Exakt-Match-Komponente, bei der die lexikalische Suche hilfreich sein kann.

Probieren Sie es selbst aus

1. Vergleichen Sie zwei gleichwertige Fragen und eine mit einem anderen genauen Code.
2. Notieren Sie die Eingabe, die Quelle und das erwartete Ergebnis, bevor Sie das Experiment durchführen. Verwenden Sie im Beispiel nur die fiktiven Daten.
3. Folgen Sie den Diagrammschritten. Notieren Sie bei jedem Schritt, welche Informationen empfangen und produziert werden. Verwechseln Sie Zwischenergebnisse nicht mit Endergebnissen.
4. Wiederholen Sie den Vorgang, nachdem Sie erforderliche Informationen entfernt oder die Eingabe mehrdeutig gemacht haben. Prüfen Sie, ob das System eine Antwort klärt, stoppt oder erfindet.
5. Vergleichen Sie mit der erklärten Lösung. Bewahren Sie die Konfiguration, das Datum, das Ergebnis und eine Erklärung für Unterschiede auf. Ändern Sie eine Sache und testen Sie es erneut.

Eine erklärte Lösung

Identifizieren Sie die relevante Passage und prüfen Sie deren Bedingungen. Ähnlichkeit ist keine Wahrheitswahrscheinlichkeit. Mit einer erfolgreichen Übung können Sie den Zusammenhang zwischen Input, Phasen und Ergebnis aufzeigen. Bei fehlenden Informationen ist eine vorsichtige Antwort sinnvoller als erfundene Details. Vergleichen Sie mehr als nur Stil: Überprüfen Sie auch Bedingungen, Quellen und Vorgänge.

Wann dieser Ansatz hilft und wo seine Grenzen liegen

Gleiche Abmessungen garantieren keine kompatiblen Vektorräume. Wählen Sie diesen Ansatz, wenn er einen gemessenen Bedarf verbessert. Behalten Sie eine einfache Ausgangsbasis bei und vergleichen Sie die Ergebnisse mit identischen Eingaben. Ein erfolgreiches Beispiel stellt nicht in jeder Situation Verlässlichkeit dar.

Überprüfen Sie Ihr Wissen

Können Sie Vektoren aus verschiedenen Modellen direkt vergleichen?

Im Allgemeinen nein; Ihre Leerzeichen sind nicht automatisch kompatibel.

Kann ein Reranker ein nicht indiziertes Dokument reparieren?

Nein. Die Passage muss zunächst im Index und in der Kandidatenliste vorhanden sein.

Zu welchem ​​Ergebnis soll diese Übung führen?

Identifizieren Sie die relevante Passage und prüfen Sie deren Bedingungen. Ähnlichkeit ist keine Wahrheitswahrscheinlichkeit.

Wichtige Begriffe

• Einbetten: Eine numerische Darstellung, die zum Vergleichen von Inhalten verwendet wird.
• Neu einordnen: Eine sorgfältigere Neuordnung der bereits abgerufenen Kandidaten.
• Brocken: Eine Dokumentpassage, die separat abgerufen werden kann.

Quellen und Ihr nächster Schritt

• Lewis et al. — Retrieval-Augmented Generation

Zur Vorbereitung: R01 – Was ist RAG und warum ist es nützlich?