Implementieren

Um diese Lösung zu implementieren, müssen Sie Ihre RAG-Wissensdatenbank erstellen und Ihre RAG-Suche überprüfen.

Dify RAG Knowledge Base erstellen und Daten schreiben

Mit der Knowledge-Pipeline Dify können Sie schnell eine RAG-Anwendung für private Unternehmensdaten erstellen.

Führen Sie folgende Schritte aus, um die Dify-Knowledge Base zu erstellen:

Um eine multimodale Datei hochzuladen, melden Sie sich bei der Dify-Konsole an, gehen Sie zum Modul Knowledge Base, und klicken Sie auf Datei hinzufügen, um ein multimodales Dokument hochzuladen (z.B. test_cn.pdf mit Text und Diagrammen).
Dify segmentiert die Datei automatisch in semantische Blöcke und konvertiert sie in Vektordaten.
Verifizieren Sie den Vektor-Schreibvorgang in Oracle AI Database 26ai.
Vektordaten werden mit Oracle AI Database 26ai synchronisiert. Nachdem Sie sich bei der Datenbank angemeldet haben, führen Sie die folgende SQL-Anweisung aus:
```
select * from cat;
```
Sie sollten generierte vektorindexbezogene Tabellen sehen.
Im Folgenden wird angegeben, dass die Daten erfolgreich geschrieben wurden:
```
DR$IDX_DOCS_EMBEDDING_VECTOR_INDEX_4B55F797_89B4_4EEF_832C_FF2495C42CCC_NODE$I
```

RAG-Suchergebnisse prüfen

Stellen Sie sicher, dass Oracle AI Database 26ai die Sucheffizienz und -genauigkeit gewährleistet. Oracle AI Database 26ai speichert Vektordaten.

Führen Sie die folgenden Schritte aus, um einen Rückruftest in der Dify Knowledge Base auszuführen:

Geben Sie in der Funktion Recall Test ein Abfrageschlüsselwort ein, wie Oracle 26ai Vector Features.

Das System ruft relevante Vektor-Snippets aus Oracle AI Database 26ai ab und gibt Ergebnisse mit Ähnlichkeitsscores zurück. Beispielübereinstimmungen:

AI vector search built into Oracle AI Database and leveraging partitioning, RAC, sharding, and Exadata for industrial-grade scalability (SCORE 0.65)

Oracle AI Database 26ai supports a variety of vector operations (SCORE 0.64)