Knowledge Retrieval

Die Wissensdatenbank dient als private Wissenssammlung eines Agenten. Der Knowledge Retrieval-Knoten ermöglicht es, auf Basis der Benutzereingabe gezielt in angegebenen Wissensdatenbanken zu recherchieren, relevante Wissensabschnitte mit höchster Ähnlichkeit abzurufen und die passenden Ergebnisse als Liste zurückzugeben.

Knotenkonfiguration

• Retrieval Scope: Definiert den Suchbereich der Wissensdatenbanken, die für die Recherche herangezogen werden. Es können mehrere Wissensdatenbanken als Suchbereich ausgewählt werden. Erforderliches Wissen muss zuvor zu den im Workflow festgelegten Wissensdatenbanken hinzugefügt werden.

• Query: Der Suchbegriff, der für die Recherche verwendet wird. Das System sucht mit diesem Begriff die relevantesten Wissensabschnitte aus den angegebenen Wissensdatenbanken heraus.

• Knowledge Relevance: Legt die minimale Relevanz (Ähnlichkeitswert) für gefundene Wissensabschnitte fest. Abschnitte unterhalb dieses Schwellenwerts werden ausgeschlossen.

• Recall Number: Gibt die maximale Anzahl der abzurufenden Wissensabschnitte an, sortiert nach absteigendem Ähnlichkeitswert.

• Search Weight:

  • Semantic Search: Interpretiert Beziehungen zwischen Wörtern und Sätzen auf menschenähnliche Weise. Empfohlen für Anwendungsfälle, die semantisches Verständnis oder sprachübergreifende Anfragen erfordern.

  • Keyword Search: Führt Volltextsuche auf Basis exakter Schlüsselwörter durch. Ideal, wenn das Wissen Eigennamen, Fachbegriffe oder Abkürzungen enthält.

  • Mixed Search: Kombiniert die Vorteile von semantischer und Schlüsselwortsuche und bewertet die Ergebnisse ganzheitlich.

• Rerank Model: Ordnet die gefundenen Dokumentausschnitte nach Relevanz oder Qualität neu, um die Antwortgenauigkeit zu erhöhen. Empfohlen für hochpräzise Anwendungsfälle (z. B. technischer Support, Expert:innen-Q&A).

  • Rerank deaktivieren: Gibt die rohen Vektor-Suchergebnisse sortiert nach Wissensrelevanz aus.

  • Rerank aktivieren: Das Rerank-Modell bewertet die embedding-basierten Ergebnisse erneut, um die kontextuell relevantesten Dokumente zu priorisieren.

Knotenausgabe

Die Ausgabe ist ein festes Array namens output_list, das die abgerufenen Wissensabschnitte absteigend nach Relevanz sortiert enthält. Jeder Eintrag umfasst:

• doc_id: ID des Dokuments, das den Wissensabschnitt enthält.

• doc_name: Name des Quelldokuments.

• chunk_id: ID des Wissensabschnitts.

• chunk_content: Inhalt des Wissensabschnitts.

• similarity_score: Relevanz des Abschnitts im Verhältnis zur Suchanfrage.