ცოდნა / RAG

AIHUMMER_QDRANT_URL=http://localhost:6333
AIHUMMER_EMBEDDER_URL=http://localhost:8081

**ცოდნა** არის ის, თუ როგორ აფუძნებს AiHummer პასუხებს თქვენს დოკუმენტებზე, ნაცვლად მოდელის სასწავლი მონაცემებისა. თქვენ იღებთ კონტენტს, აგენტი მოიძიებს შესაბამის ფრაგმენტებს `search_knowledge` ხელსაწყოთი, და პასუხები ბრუნდება **ციტატებით**. უფრო რთული კითხვებისთვის `deep_research` ხელსაწყო ასრულებს მრავალსაფეხურიან გამოკვლევას და აწარმოებს ციტირებულ ანგარიშს. ცოდნა იმართება `/v1/admin/knowledge/*` და `/v1/admin/knowledge/connectors/*`-ის ქვეშ. ## კონტენტის მიღება თქვენ შეგიძლიათ მიიღოთ **დოკუმენტები, PDF-ები და URL-ები** ცოდნის ბაზაში. მიღებული კონტენტი ინდექსირდება ისე, რომ მისი მოძიება შესაძლებელია პასუხის დროს და მისი წყაროსთვის ატრიბუტირება. > [!TIP] > ერთხელ მიიღეთ დოკუმენტის კანონიკური ვერსია და მისცეთ აგენტებს მისი ციტირების > საშუალება, ნაცვლად იმისა, რომ პრომპტებში გრძელი ფრაგმენტები ჩასვათ. ციტირებული > მოძიება ინახავს პასუხებს გადამოწმებადს, ხოლო თქვენს კონტექსტს მცირეს. ## დაფუძნებული პასუხები და ხელსაწყოები ორი ხელსაწყო აქცევს ცოდნის ბაზას აგენტისთვის ხელმისაწვდომს: | ხელსაწყო | რას აკეთებს | |---|---| | `search_knowledge` | მოიძიებს შესაბამის ფრაგმენტებს და აფუძნებს პასუხს ციტატებით. | | `deep_research` | ასრულებს მრავალსაფეხურიან კვლევით პროცესს ცოდნის ბაზაში და აწარმოებს ციტირებულ ანგარიშს. | ორივე ჩნდება სვლაში როგორც **ხელსაწყოს შედეგი**, არასოდეს როგორც ჩაშენებული ინსტრუქცია — იგივე პრომპტ-ინჯექციის დისციპლინა, რომელიც AiHummer-ში ყველგან გამოიყენება. პასუხები ატარებენ **ციტატებს**, ასე რომ მკითხველს შეუძლია მტკიცებულება უკან მის წყარომდე გადაიყვანოს. > [!NOTE] > `deep_research` ჭეშმარიტი მრავალსაფეხურიანი კითხვებისთვისაა — ის უფრო მეტ დროსა > და ტოკენებს ხარჯავს, ვიდრე ერთი `search_knowledge` გამოძახება. მიმართეთ მას > მაშინ, როცა ერთი მოძიება საკმარისი არ არის. ## ცოდნის კონექტორები ხელით მიღების მიღმა, ცოდნა შეიძლება ამოიღოს გარე წყაროებიდან კონექტორების გავლით, რომლებიც იმართება `/v1/admin/knowledge/connectors/*`-ის ქვეშ: | კონექტორი | სტატუსი | |---|---| | **Google Drive** (Service Account) | ცოცხალი | | **Microsoft Graph** | რეალიზებული, ცოცხალზე **არ** დადასტურებული | > [!WARNING] > Microsoft Graph კონექტორი რეალიზებულია, მაგრამ არ შემოწმებულა ცოცხალ > მოიჯარეზე. მოეპყარით მას როგორც წინასწარ ვერსიას და გადაამოწმეთ თქვენს გარემოში, > ვიდრე მას წარმოებაში დაეყრდნობით. > [!NOTE] > Notion და Slack ცოდნის კონექტორები **არ** არის ხელმისაწვდომი — ისინი ამოვარდა. > ნუ დაგეგმავთ მათ გარშემო. ## ვექტორული საცავი და ემბედინგები ნაგულისხმევად, მოძიება შეიძლება იმუშაოს **მეხსიერებაში არსებულ საცავზე ჰეშ-ემბედერით**, რაც დასაწყებად საკმარისია. წარმოების ხარისხის სემანტიკური მოძიებისთვის მიმართეთ AiHummer **რეალურ ვექტორულ საცავსა და ემბედერზე**: ```bash AIHUMMER_QDRANT_URL=http://localhost:6333 AIHUMMER_EMBEDDER_URL=http://localhost:8081 ``` როცა ეს დაყენებულია, მიღება და `search_knowledge` იყენებენ გარე ვექტორულ საცავსა და ემბედერს, ნაცვლად მეხსიერებაში არსებული სარეზერვო ვარიანტისა. ## ადმინ API | რესურსი | დანიშნულება | |---|---| | `/v1/admin/knowledge` | ცოდნის ბაზის მართვა, მათ შორის მიღება | | `/v1/admin/knowledge/connectors` | KB კონექტორების კონფიგურაცია (Drive, MS Graph) | ## სად შემდეგ - ნახეთ `search_knowledge` და `deep_research` ყველა სხვა ხელსაწყოს გვერდით [ხელსაწყოებში](/ka/v1.0/concepts/tools) და [ხელსაწყოების კატალოგში](/ka/v1.0/reference/tools-catalog). - დაამატეთ თითო საუბრის გრძელვადიანი გახსენება [მეხსიერებით (Einstein)](/ka/v1.0/concepts/memory-einstein).