Documentation sur Oracle Cloud Infrastructure

Sélectionner l'IA avec génération augmentée par extraction (RAG)

Sélectionnez l'IA avec RAG pour augmenter votre invite de langage naturel en extrayant le contenu de votre magasin de vecteurs spécifié à l'aide de la recherche de similarité sémantique. Cela réduit les hallucinations en utilisant votre contenu spécifique et à jour et fournit des réponses en langage naturel plus pertinentes à vos invites.

Sélectionnez AI automatise le processus RAG (Retrieval Augmented Generation). Cette technique extrait des données de sources d'entreprise à l'aide de la recherche vectorielle d'IA et augmente les invites d'utilisateur pour le grand modèle de langage (LLM) spécifié. En tirant parti des informations des magasins de données d'entreprise, la RAG réduit les hallucinations et génère des réponses fondées.

La RAG utilise la recherche vectorielle d'IA sur un index vectoriel pour trouver des données sémantiquement similaires pour la question spécifiée. Les vecteurs stockent les processus d'intégration de vecteurs, qui sont des représentations mathématiques de divers points de données tels que le texte, les images et l'audio. Ces intégrations saisissent la signification des données, ce qui permet un traitement et une analyse efficaces. Pour plus de détails sur les intégrations de vecteurs et la recherche de vecteurs IA, voir Aperçu de la recherche de vecteurs IA.

Select AI s'intègre à la recherche vectorielle d'IA disponible dans Oracle Autonomous AI Database 26ai pour la recherche de similarité à l'aide d'intégrations vectorielles.

Rubriques

Rubrique parent : Sélectionner des fonctions d'intelligence artificielle

Créez votre Vector Store

Sélectionnez AI automatise la création et l'alimentation du magasin vectoriel en convertissant les documents d'entrée (par exemple, PDF, DOC, JSON, XML ou HTML) de votre magasin d'objets en texte brut. Oracle Text prend en charge environ 150 types de fichier. Pour obtenir la liste complète de tous les formats de document pris en charge, voir Formats de document pris en charge.

Sélectionnez AI pour traiter automatiquement les documents à fragmenter, générer des intégrations, les stocker dans le magasin de vecteurs spécifié et mettre à jour l'index vectoriel à mesure que de nouvelles données arrivent.

Voici comment l'entrée du service de stockage d'objets est utilisée avec la RAG Select AI :
Une description de adb-obj-storage-select-ai-rag.png suit
Description de l'illustration adb-obj-storage-select-ai-rag.png

  1. Entrée : Les données sont initialement stockées dans un service de stockage d'objets.
  2. Oracle Autonomous Database extrait les données d'entrée ou le document, les fragmente et les envoie à un modèle d'intégration.
  3. Le modèle d'intégration traite les données de fragmentation et retourne les intégrations vectorielles.
  4. Les plongements de vecteurs sont ensuite stockés dans un magasin de vecteurs pour une utilisation avec RAG. Lorsque le contenu est ajouté, l'index vectoriel est automatiquement mis à jour.

La RAG extrait des informations pertinentes de la base de données de l'entreprise pour répondre à la question d'un utilisateur. Ces informations sont fournies au grand modèle de langue spécifié avec l'invite utilisateur. Select AI utilise ces informations d'entreprise supplémentaires pour améliorer l'invite, améliorant ainsi la réponse du LLM. La RAG peut améliorer la qualité des réponses grâce aux informations d'entreprise à jour du magasin de vecteurs.


Une description de adb-diagram-tiers-vector-db-select-ai-rag.eps suit
Description de l'illustration adb-diagram-tiers-vector-db-select-ai-rag.eps

Sélectionnez AI pour mettre en oeuvre la RAG comme suit :

  1. Entrée : L'utilisateur pose une question (spécifie une invite) à l'aide de l'action Sélectionner l'intelligence artificielle narrate.

  2. Sélectionnez AI pour générer des plongements vectoriels de l'invite à l'aide du modèle d' plongement spécifié dans le profil AI.

  3. L'index de recherche vectorielle utilise l'intégration vectorielle de la question pour rechercher le contenu correspondant à partir des données d'entreprise du client (recherche du magasin vectoriel) qui a été indexé.

  4. La recherche vectorielle retourne les principaux textes K similaires à l'entrée de votre instance de base de données IA autonome.
  5. Autonomous AI Database envoie ensuite ces principaux résultats d'interrogation K avec question d'utilisateur au LLM.
  6. Le LLM retourne sa réponse à votre instance de base de données d'IA autonome.
  7. Autonomous AI Database Select AI fournit la réponse à l'utilisateur.

Utiliser DBMS_CLOUD_AI pour créer et gérer des index de vecteur

Utilisez l'ensemble DBMS_CLOUD_AI pour créer et gérer des index vectoriels et configurer des paramètres JSON de base de données vectorielle.

Après avoir créé des données d'identification et fourni un accès réseau à la base de données vectorielle et au fournisseur d'IA, votre instance de base de données d'IA autonome utilise des profils d'IA pour configurer l'accès aux LLM. Voir Exemple : Configurer et utiliser Sélectionner l'IA avec la RAG pour un exemple complet sur sa configuration et son utilisation dans les énoncés Sélectionner l'IA.
Note

Si vous ne voulez pas que les données de table ou les documents de recherche vectorielle soient envoyés à un LLM, un utilisateur disposant de privilèges d'administrateur peut désactiver cet accès pour tous les utilisateurs de la base de données indiquée. Cela, en effet, désactive l'action narrate pour la RAG.

Vous pouvez configurer des profils d'IA pour les fournisseurs répertoriés dans Sélectionner votre fournisseur d'IA et vos LLM au moyen de l'ensemble DBMS_CLOUD_AI.

Voir aussi :

Rubrique parent : Sélectionner l'IA avec génération augmentée par extraction (RAG)

Utiliser des modèles de transformateur de base de données

Select AI RAG vous permet d'utiliser des modèles de transformateur ONNX préentraînés qui sont importés dans votre base de données dans l'instance Oracle AI Database 26ai pour générer des vecteurs d'intégration à partir de fragments de document et d'invites d'utilisateur.

Pour en savoir plus sur l'importation d'un modèle ONNX préentraîné dans votre instance Oracle AI Database 26ai, voir
Note

Vous devez importer un modèle de transformateur au format ONNX préentraîné dans l'instance Oracle AI Database 26ai pour utiliser Select AI RAG avec le modèle de transformateur de base de données importé. Vous pouvez également utiliser d'autres modèles de transformateur provenant des fournisseurs d'IA pris en charge.

Voir Exemple : Sélectionner l'intelligence artificielle avec des modèles de transformateur dans la base de données pour explorer la fonction.

Avantages de Select AI RAG

Simplifier les interrogations, améliorer l'exactitude des réponses avec les données courantes et gagner en transparence en examinant les sources utilisées par le GML.

Select AI RAG offre les avantages suivants :

  • Simplifier les interrogations de données et augmenter la précision de la réponse : permettre aux utilisateurs d'interroger les données d'entreprise à l'aide du langage naturel et fournir aux LLM un contexte détaillé à partir des données d'entreprise pour générer des réponses plus précises et pertinentes, réduisant les cas d'hallucinations de LLM.

  • Informations à jour : Permet aux LLM d'accéder aux informations actuelles de l'entreprise à l'aide de magasins vectoriels, éliminant ainsi le besoin d'affiner des LLM coûteux et chronophages formés sur des jeux de données statiques.

  • Intégration transparente : intégrez à Oracle AI Vector Search pour un traitement rationalisé des données et une performance améliorée.

  • Orchestration automatisée des données : Automatisez les étapes d'orchestration avec un pipeline d'index vectoriels entièrement géré, assurant un traitement efficace des nouvelles données.

  • Résultats contextuels compréhensibles : A accès et extrait les sources utilisées par le LLM à partir de magasins vectoriels, assurant la transparence et la confiance dans les résultats. Permet de voir et d'extraire des données en langage naturel ou au format JSON pour faciliter l'intégration et le développement d'applications.