Récupération de connaissances
La base de connaissances sert de collection privée de connaissances pour un agent. Le nœud Récupération de connaissances permet d'interroger des bases de connaissances spécifiées en fonction de l'entrée utilisateur, de récupérer les fragments de connaissances les plus pertinents (plus forte similarité) et de retourner les résultats correspondants sous forme de liste.
Configuration du nœud
Portée de la récupération : Définit l'étendue des bases de connaissances à interroger. Vous pouvez sélectionner plusieurs bases de connaissances comme périmètre de récupération. Les connaissances nécessaires doivent d'abord être ajoutées aux bases de connaissances désignées du workflow.
Requête : Le terme de recherche utilisé pour la récupération. Le système récupérera les fragments de connaissances les plus pertinents des bases de connaissances spécifiées à l'aide de cette requête.
Pertinence des connaissances : Définit la pertinence minimale (score de similarité) pour les fragments de connaissances récupérés. Les fragments en dessous de ce seuil seront exclus.
Nombre de rappels : Spécifie le nombre maximal de fragments de connaissances à récupérer, priorisés par scores de similarité décroissants.
Poids de recherche :
Recherche sémantique : Interprète les relations entre les mots et les phrases de manière similaire à un humain. Recommandé pour les scénarios nécessitant une compréhension sémantique ou des requêtes multilingues.
Recherche par mots-clés : Effectue des recherches en texte intégral basées sur des mots-clés exacts. Idéal lorsque les connaissances contiennent des noms propres, des termes techniques ou des abréviations.
Recherche mixte : Combine les avantages de la récupération sémantique et par mots-clés, et classe les résultats de façon globale.
Modèle de rerank : Réordonne les extraits de documents récupérés selon leur pertinence ou leur qualité afin d'améliorer la précision des réponses. Recommandé pour les cas d'utilisation nécessitant une grande précision (ex : support technique, questions/réponses d'experts).
Désactiver le rerank : Affiche les résultats bruts du vecteur de récupération triés par pertinence des connaissances.
Activer le rerank : Le modèle de rerank réévalue les résultats basés sur l'embedding afin de prioriser les documents les plus pertinents contextuellement.
Sortie du nœud
La sortie est un tableau fixe nommé output_list, contenant les fragments de connaissances récupérés triés par pertinence décroissante. Chaque entrée comprend :
doc_id : ID du document contenant le fragment de connaissance.
doc_name : Nom du document source.
chunk_id : ID du fragment de connaissance.
chunk_content : Contenu du fragment de connaissance.
similarity_score : Pertinence entre le fragment et la requête.