Khi người dùng xây dựng các ứng dụng trí tuệ nhân tạo câu hỏi và trả lời dựa trên cơ sở kiến thức, nếu nhiều cơ sở kiến thức được liên kết trong ứng dụng, ChatX hỗ trợ hai chế độ truy xuất: N-to-1 Truy xuất và Truy xuất đa hướng.
Dựa trên ý định của người dùng và mô tả của kiến thức, Agent tự độc lập xác định và chọn ra cơ sở kiến thức phù hợp nhất để truy vấn văn bản liên quan. Chế độ này phù hợp cho các ứng dụng có kiến thức khác biệt và một số lượng nhỏ cơ sở kiến thức. N-to-1 Truy xuất dựa vào khả năng suy luận của mô hình để chọn ra cơ sở kiến thức phù hợp nhất dựa trên ý định của người dùng. Khi suy luận kiến thức, kiến thức phục vụ như một công cụ cho Agent, được chọn thông qua suy luận ý định; mô tả công cụ về cơ bản là mô tả kiến thức.
Khi người dùng tải lên kiến thức, hệ thống tự động tạo ra một mô tả tóm tắt cho mỗi cơ sở kiến thức. Để đạt được kết quả truy xuất tốt nhất trong chế độ này, bạn có thể xem mô tả tóm tắt được tạo ra bởi hệ thống dưới “Kiến thức -> Cài đặt -> Mô tả kiến thức” và kiểm tra xem nội dung này có tóm tắt rõ ràng nội dung của kiến thức không.
Dưới đây là sơ đồ kỹ thuật cho N-to-1 Truy xuất:
Do đó, hiệu quả thu hồi của chế độ này có thể bị ảnh hưởng khi có quá nhiều cơ sở kiến thức hoặc khi các mô tả kiến thức thiếu sự phân biệt đủ. Chế độ này phù hợp hơn cho các ứng dụng với ít cơ sở kiến thức hơn.
Mẹo: Gọi hàm OpenAI hiện đã hỗ trợ nhiều công cụ gọi, và ChatX dự định nâng cấp chế độ này thành "N-to-M Truy xuất " trong các phiên bản tương lai.
Dựa trên ý định của người dùng, chế độ này kết hợp tất cả các cơ sở kiến thức đồng thời, truy vấn các phần văn bản liên quan từ nhiều cơ sở kiến thức, và sau một bước sắp xếp lại, lựa chọn kết quả tốt nhất phù hợp với câu hỏi của người dùng từ các kết quả truy vấn đa hướng. Yêu cầu cấu hình API cho mô hình Rerank. Trong chế độ Truy xuất đa hướng, hệ thống truy xuất nội dung văn bản liên quan đến câu hỏi của người dùng từ tất cả các cơ sở kiến thức liên kết với ứng dụng, kết hợp các kết quả từ việc thu hồi đa hướng và sắp xếp lại các tài liệu thu được một cách ngữ nghĩa bằng mô hình Rerank.
Trong chế độ Truy xuất đa hướng, việc cấu hình mô hình Rerank là cần thiết. Cách cấu hình mô hình Rerank: 🔗
Dưới đây là sơ đồ kỹ thuật cho Truy xuất đa hướng:
Vì Truy xuất đa hướng không phụ thuộc vào khả năng suy luận của mô hình hoặc các mô tả kiến thức, chế độ này có thể đạt được kết quả thu hồi chất lượng cao hơn trong các tìm kiếm đa cơ sở kiến thức. Ngoài ra, việc tích hợp bước Rerank có thể hiệu quả cải thiện thu hồi tài liệu. Do đó, khi tạo một ứng dụng câu hỏi và trả lời cơ sở kiến thức liên kết với nhiều cơ sở kiến thức, chúng tôi khuyên bạn nên định cấu hình chế độ truy xuất là Truy xuất đa hướng.
