DocumentaçãoRAG

Fundamente cada resposta em seu conhecimento.

Selecione uma arquitetura de recuperação, configure seus modelos e limites de pesquisa e, em seguida, indexe os documentos que devem fundamentar as respostas.

Visão geral da configuração

6 padrões de recuperação

Cada RAG requer um nome, modelo de incorporação e dimensão vetorial. Os modelos de gráfico, roteador, visão e síntese aparecem somente quando seus recursos estão habilitados.

Visão geral

Crie um pipeline de recuperação

Uma configuração RAG converte documentos de origem em vetores e recupera o contexto relevante para cada consulta. Padrões mais avançados incluem reclassificação, extração visual, travessia de gráfico, pesquisa lexical ou roteamento baseado em intenção.

1. Arquiteto

Escolha a estratégia de recuperação de acordo com o formato do seu conhecimento.

2. Configurar

Selecione modelos, dimensões vetoriais e parâmetros de recuperação limitados.

3. Terreno

Faça upload de documentos, aguarde a indexação e inspecione a recuperação com consultas reais.

Step 01

Selecione um padrão RAG

Cada padrão ativa um caminho de recuperação diferente e expõe apenas seu modelo relevante e controles de ajuste na etapa dois.

Ingênuo RAG

Pesquisa direta de incorporação semântica seguida de geração de resposta fundamentada.

Recuperar e reclassificar

Recupera um amplo conjunto de candidatos e, em seguida, aplica a reclassificação neural para manter as passagens mais fortes.

Multimodal RAG

Combina recuperação de texto com descrições extraídas de imagens, gráficos e diagramas.

Gráfico RAG

Extrai entidades e relacionamentos e, em seguida, percorre um gráfico de conhecimento para contexto de vários saltos.

Híbrido RAG

Combina similaridade vetorial densa com correspondência esparsa de palavras-chave BM25 para recuperação balanceada.

Roteador RAG

Classifica cada consulta e a encaminha entre pesquisa vetorial, travessia de gráfico ou resposta direta.

Step 02 · Section 01

Detalhes RAG

Identifique a base de conhecimento e descreva o domínio coberto por suas fontes indexadas.

Nome RAGDOCS.OBRIGATÓRIA

O nome de exibição usado em diretórios e seletores RAG para agentes, widgets e destinos API.

Use um nome orientado a domínio, como Enterprise Knowledge Base ou Technical Manual Search.

DescriçãoDOCS.OPCIONAL

Um resumo conciso do domínio do conhecimento, material de origem e finalidade de recuperação.

Isto ajuda os colaboradores a escolher a base de conhecimento correta; ele não é inserido no contexto recuperado.

Step 02 · Section 02

Modelo de incorporação vetorial

O modelo de incorporação converte blocos de documentos e consultas em vetores numéricos. A dimensão selecionada fixa a forma do vetor usada para indexação e pesquisa de similaridade.

Modelo de incorporaçãoObrigatória

Seleciona o modelo de provedor usado para codificar blocos de documentos e consultas recebidas.

Use a mesma configuração de incorporação durante todo o tempo de vida de um índice para vetores comparáveis.

Dimensão vetorialObrigatória

Define o número de valores numéricos armazenados para cada representação vetorial.

As dimensões disponíveis dependem do modelo; a interface atual oferece valores suportados como 256, 512, 768, 1536 e 3072.

Step 02 · Section 03

Modelo de IA de reranking

O modelo de reranking aplica um cross-encoder neural para avaliar cada passagem candidata em relação à consulta do usuário após uma ampla recuperação vetorial. Ele reordena os candidatos para que o contexto final mantenha as passagens mais relevantes.

Modelo de rerankingObrigatória

Seleciona o cross-encoder usado para avaliar os candidatos da pesquisa vetorial em relação a cada consulta.

Obrigatório para Retrieve-and-Rerank. Ele reordena o conjunto inicial_top_k de candidatos antes que as passagens final_top_k sejam retornadas.

Step 02 · Sections 04–07

Modelos especializados AI

Modelos adicionais aparecem apenas quando a arquitetura ou um recurso opcional precisa deles. Cada modelo de raciocínio compatível também pode expor um seletor de esforço após a seleção.

Seção Modelo de extração do gráfico de conhecimento — Gráfico RAG · Extração de entidade e relação

Seção Modelo do classificador de intenção de consulta — Roteador RAG · Classificação de consulta

Seção Habilitada de Visão e Modelo de Descrição de Mídia — Opcional · Extração de ativos visuais

Seção do modelo AI de síntese de resposta habilitada — Opcional · Síntese de resposta fundamentada

Modelo gráficoCondicional

Extrai nós de entidade, relacionamentos semânticos e triplos estruturados durante a indexação.

Exigido pelo gráfico RAG e pelo roteador RAG.

Modelo de roteadorCondicional

Classifica a intenção de entrada e seleciona recuperação de vetor, passagem de gráfico ou resposta direta.

Exigido apenas pelo roteador RAG.

Modelo de VisãoCondicional

Descreve imagens, gráficos e diagramas para que as informações visuais possam se juntar ao contexto pesquisável.

Alternar opcional. Uma vez ativado, é necessário selecionar um modelo compatível.

Modelo de RespostaCondicional

Transforma passagens recuperadas em uma resposta de conversação fundamentada para consultas e widgets RAG independentes.

Alternar opcional. Quando desativado, o pipeline retorna diretamente as passagens de contexto formatadas.

Esforço de raciocínioCondicional

Aplica um nível de esforço suportado a modelos de gráfico, roteador, visão ou resposta.

Mostrado apenas quando o modelo selecionado publica opções de esforço de raciocínio.

TemperaturaCondicional

Controla a variação na saída gerada para estágios geradores aplicáveis.

Padrão: 0,2. Faixa: 0,0–2,0; indisponível para modelos que não suportam temperatura.

Step 02 · Section 08

Parâmetros de arquitetura e recuperação

Os controles deslizantes controlam a quantidade de contexto candidato coletado em cada estágio. O cartão muda com o padrão selecionado, portanto, apenas os parâmetros usados por esse pipeline são mostrados.

Seção Arquitetura e parâmetros de recuperação do roteador RAG — Criar RAG · Parâmetros de recuperação do roteador

Parâmetro	Padrão	Padrão/Intervalo	Propósito
top_k	Ingênuo, Multimodal, Roteador	5 · 1–50	Passagens injetadas no contexto final.
inicial_top_k	Recuperar e reclassificar	25 · 5–100	Amplo conjunto semântico de candidatos antes da reclassificação.
final_top_k	Reclassificar, Híbrido	5 · 1–20	Passagens retidas após reclassificação ou fusão de classificação.
vetor_top_k	Gráfico	4 · 1–20	Pedaços iniciais semânticos usados para localizar entidades gráficas.
profundidade_grafo	Gráfico	1 · 1–3	Saltos de relacionamento percorridos a partir das entidades iniciais.
gráfico_limite	Gráfico	20 · 1–100	Máximo de triplos entidade-relação adicionados ao contexto.
vetor_k	Híbrida	15 · 1–50	Candidatos semânticos densos incluídos na fusão de classificações.
bm25_k	Híbrida	15 · 1–50	Candidatos lexicais esparsos incluídos na fusão de classificações.

Step 02 · Section 08

Documentos da base de conhecimento

Salve RAG primeiro para permitir uploads de documentos. Os arquivos carregados são indexados com o modelo de incorporação selecionado e ficam disponíveis para recuperação após a conclusão do processamento.

Alterar o modelo de incorporação ou a dimensão do vetor após a indexação pode exigir o reprocessamento dos documentos para que os vetores armazenados permaneçam compatíveis.

Step 02 · Section 09

Teste de consulta ao vivo

Depois de salvar e indexar documentos, envie consultas representativas para inspecionar a resposta fundamentada, os pedaços recuperados, os fatos extraídos, as etapas de execução e o contexto montado.

Obrigatório antes de salvar

Padrão, nome RAG, modelo de incorporação, dimensão vetorial e todos os modelos exigidos pela arquitetura selecionada.

Após a criação

Use perguntas que exijam fatos exatos e síntese de múltiplas fontes e, em seguida, ajuste os limites de recuperação com base nas evidências retornadas.