Vorbereiten von Dokumenten für KI
Eine gute Wissensdatenbank beginnt mit sauberen, aktuellen Dokumenten.
Was Sie lernen werden
- Erklären Sie: Gute Dokumente kommen vor guten Antworten
- Wenden Sie die Idee an einem Beispiel an: Dokumente für KI vorbereiten
- Erkennen Sie Einschränkungen und überprüfen Sie das Übungsergebnis
Eine gute Wissensdatenbank beginnt mit sauberen, aktuellen Dokumenten. Das Modell kann nicht unabhängig entscheiden, welche widersprüchliche Richtlinie gültig ist.
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
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.
Geläufigkeit und Wahrheit werden getrennt geprüft
Eine Halluzination ist ein nicht unterstützter oder falscher Inhalt, der als Antwort präsentiert wird. Es kann durch fehlende Informationen, Unklarheiten oder falsch kombinierte Muster entstehen. Fordern Sie Belege an und überprüfen Sie Originaldokument, Datum, Einheiten und Bedingungen. Ein echtes Zitat kann die Behauptung möglicherweise immer noch nicht stützen. Verwenden Sie aktuelle Quellen für aktuelle Fakten, einen Taschenrechner für die Arithmetik und „kann nicht feststellen“, wann Beweise fehlen. Behandeln Sie das in Prosa zum Ausdruck gebrachte Vertrauen nicht als kalibrierte Wahrscheinlichkeit.
Überprüfen Sie den Zugang vor der Nutzung
Berechtigungen müssen von Servern und der Datenschicht durchgesetzt werden. Lassen Sie nicht das Modell entscheiden, ob ein Benutzer ein Dokument sehen darf. Filtern Sie Quellen, bevor sie in den Kontext gelangen, nicht nachdem die Antwort generiert wurde. Verwenden Sie Anmeldeinformationen mit minimalem Zugriff, halten Sie sie von Eingabeaufforderungen, Screenshots und Browsercode fern und rotieren Sie offengelegte Schlüssel. Eine Widget-Domain-Zulassungsliste ersetzt nicht die API-Authentifizierung. Durch die Authentifizierung werden Sie identifiziert; Die Autorisierung bestimmt die Vorgänge und Daten, die Sie verwenden können. Test verweigerte auch den Zugriff.
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. Scrollen Sie auf kleinen Bildschirmen horizontal, um das gesamte Schaubild zu verfolgen.
Ein vollständiges Beispiel
In einem alten PDF steht 30 Tage; Die aktuelle Richtlinie besagt 14. Markieren Sie Versionen, behalten Sie die aktuelle Quelle bei und entfernen Sie das abgelaufene Duplikat aus dem aktiven Korpus.
Probieren Sie es selbst aus
- Bereinigen Sie zwei widersprüchliche Richtlinien und eine Tabelle ohne Kopfzeilen.
- Notieren Sie die Eingabe, die Quelle und das erwartete Ergebnis, bevor Sie das Experiment durchführen. Verwenden Sie im Beispiel nur die fiktiven Daten.
- Folgen Sie den Diagrammschritten. Notieren Sie bei jedem Schritt, welche Informationen empfangen und produziert werden. Verwechseln Sie Zwischenergebnisse nicht mit Endergebnissen.
- 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.
- 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
Das aktive Korpus enthält eine identifizierbare Richtlinie ohne widersprüchliche Versionen. 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
Laden Sie vertrauliche Dokumente nicht nur zu Testzwecken hoch. 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
Bedeutet der abgeschlossene Upload, dass ein Dokument für RAG bereit ist?
Nein. Extraktion, Chunking und Indizierung müssen ebenfalls erfolgreich abgeschlossen werden.
Reicht ein Link in einer Antwort?
NEIN; Es muss den konkreten Anspruch stützen und zur Zeit und den Umständen passen.
Zu welchem Ergebnis soll diese Übung führen?
Das aktive Korpus enthält eine identifizierbare Richtlinie ohne widersprüchliche Versionen.
Wichtige Begriffe
- Brocken: Eine Dokumentpassage, die separat abgerufen werden kann.
- Erdung: Eine Antwort auf nachprüfbare Beweise stützen.
- Autorisierung / Autorisierung: Überprüfung des Zugriffsrechts auf einen Vorgang oder eine Ressource.
Quellen und Ihr nächster Schritt
Zur Vorbereitung: R01 – Was ist RAG und warum ist es nützlich? · R03 – Naive RAG: Ihre Grundlinie