Preparazione dei documenti per l'AI

Una buona base di conoscenza inizia con documenti puliti e aggiornati. Il modello non può decidere in modo indipendente quale politica in conflitto sia valida.

Puoi seguire questo corso senza un account o una programmazione. Gli esempi utilizzano dati sintetici e i risultati dell’intelligenza artificiale devono essere verificati.

Come funziona, passo dopo passo

I buoni documenti vengono prima delle buone risposte

Prepara testo leggibile, titoli chiari, tabelle con intestazioni e fonti senza duplicati inutili. Il Chunking divide un documento in passaggi recuperabili separatamente; la sovrapposizione preserva la continuità tra i vicini. Un pezzo corto può perdere condizioni, mentre uno grande introduce rumore. I metadati preservano l'origine, la posizione e la versione, oltre all'ambito di accesso laddove imposto dall'implementazione. Il caricamento memorizza il file; l'indicizzazione lo rende ricercabile. Quando una fonte cambia, controlla che i vecchi blocchi scompaiano e che quelli nuovi vengano recuperati prima di dichiarare corrente la knowledge base.

La fluidità e la verità vengono verificate separatamente

Un'allucinazione è un contenuto non supportato o errato presentato come risposta. Può derivare da informazioni mancanti, ambiguità o modelli combinati in modo errato. Richiedi prove e controlla il documento originale, la data, le unità e le condizioni. Una vera citazione potrebbe comunque non supportare l'affermazione. Utilizza fonti attuali per fatti attuali, una calcolatrice per l'aritmetica e "non puoi determinare" quando mancano le prove. Non trattare la fiducia espressa in prosa come una probabilità calibrata.

Controllare l'accesso prima dell'uso

Le autorizzazioni devono essere applicate dai server e dal livello dati. Non lasciare che sia il modello a decidere se un utente può vedere un documento. Filtra le fonti prima che entrino nel contesto, non dopo aver generato la risposta. Utilizza credenziali di accesso minimo, tienile lontane da prompt, screenshot e codice del browser e ruota le chiavi esposte. Una lista consentita di domini widget non sostituisce l'autenticazione API. L'autenticazione ti identifica; l'autorizzazione determina le operazioni e i dati che puoi utilizzare. Prova anche l'accesso negato.

Lo schema esplicativo

Seguire le frecce continue per il flusso principale. Le frecce blu tratteggiate forniscono dati o contesto; le frecce rosa tratteggiate mostrano feedback o risultati restituiti. Colori e forme distinguono modelli, negozi, decisioni e risultati. Su schermi piccoli, scorri in orizzontale per seguire l’intero schema.

Un esempio completo

Un vecchio PDF dice 30 giorni; la politica attuale dice 14. Contrassegna le versioni, conserva la fonte corrente e rimuovi il duplicato scaduto dal corpus attivo.

Provalo tu stesso

1. Pulisci due policy in conflitto e una tabella senza intestazioni.
2. Registrare l'input, la fonte e il risultato atteso prima di eseguire l'esperimento. Utilizzare solo i dati fittizi nell'esempio.
3. Seguire le fasi del diagramma. Ad ogni passaggio registrare quali informazioni vengono ricevute e prodotte; non confondere il risultato intermedio con il risultato finale.
4. Ripetere dopo aver rimosso le informazioni necessarie o reso ambiguo l'input. Controlla se il sistema chiarisce, ferma o inventa una risposta.
5. Confrontare con la soluzione spiegata. Conserva la configurazione, la data, il risultato e una spiegazione delle differenze. Cambia una cosa e riprova.

Una soluzione spiegata

Il corpus attivo contiene una policy identificabile senza versioni in conflitto. Un esercizio riuscito ti consente di mostrare la connessione tra input, fasi e risultato. Quando mancano le informazioni, una risposta cauta è più utile dei dettagli inventati. Confrontare non solo stile: verificare anche condizioni, fonti e operazioni.

Quando è utile e quali sono i suoi limiti

Non caricare documenti sensibili solo per un esperimento. Scegli questo approccio quando migliora un bisogno misurato. Mantieni una linea di base semplice e confronta i risultati utilizzando input identici. Un esempio di successo non stabilisce l’affidabilità in ogni situazione.

Verifica ciò che hai imparato

Il caricamento completato significa che un documento è pronto per RAG?

No. Anche l'estrazione, la suddivisione in blocchi e l'indicizzazione devono essere completate correttamente.

È sufficiente un collegamento in una risposta?

NO; deve supportare la richiesta specifica e adattarsi al tempo e alle circostanze.

Quale risultato dovrebbe produrre questo esercizio?

Il corpus attivo contiene una policy identificabile senza versioni in conflitto.

Termini da ricordare

• Pezzo: Un passaggio di documento che può essere recuperato separatamente.
• Messa a terra: Fondare una risposta su prove verificabili.
• Autorizzare/Autorizzazione: verifica del diritto di accesso a un'operazione o risorsa.

Fonti e il prossimo passo

• Lewis et al. — Generazione aumentata di recupero
• Hugging Face — Corso LLM
• OWASP — Iniezione di prompt

Per preparare: R01 — Cos'è RAG e perché è utile? · R03 — Naive RAG: la tua linea di base