Instructions Object Storage de l'outil RAG pour les agents d'IA générative

Une meilleure compréhension des tables, une fonctionnalité des outils RAG, vise à améliorer la précision des réponses aux requêtes avec des réponses intégrées dans les données des tables PDF. Il traite ces tables pour générer des réponses plus précises et pertinentes alignées sur les informations qu'elles contiennent. En général, les outils RAG peuvent lire les tableaux. Pour que l'outil RAG puisse lire les tables avec une meilleure compréhension des tables, assurez-vous que les tables présentent les fonctionnalités suivantes :

• Toutes les cellules du tableau sont séparées par des lignes visibles ou des limites d'objet des autres cellules, y compris les noms d'en-tête de la première ligne.
• Toutes les colonnes, y compris la première colonne, ont un nom d'en-tête.
• Chaque table comporte plusieurs colonnes et plusieurs lignes, à l'exception de la ligne avec des noms d'en-tête.

Utilisez des métadonnées prédéfinies pour appliquer des filtres lors d'une discussion. Lorsque des filtres sont appliqués, les recherches d'un agent dans une session de discussion sont limitées aux fichiers de données associés aux métadonnées, ce qui aide le modèle à générer des réponses pertinentes pour la portée du contenu, améliorant ainsi la précision et la pertinence des réponses de l'agent.

Les étapes suivantes décrivent l'utilisation de la fonctionnalité de filtrage des métadonnées. Une fois que vous avez compris l'aperçu du workflow, vérifiez les détails de votre cas d'emploi dans les sections fournies après les étapes d'aperçu.

1. Dans un éditeur de texte, créez le schéma de métadonnées, qui est requis pour les filtres que vous voulez rendre disponibles. Ecrivez le schéma au format JSON. Nommez le fichier _metadata_schema.json.

   Exemple :

   {
       "metadataSchema": [
           {
               "name": "publication_year",
               "type": "integer"
           },
           {
               "name": "title",
               "type": "string"
           }
   	]
   }

2. Téléchargez le fichier _metadata_schema.json créé à l'étape 1 vers le niveau racine du bucket Object Storage qui contient les fichiers de données d'une base de connaissances.
3. Créez des fichiers JSON pour associer des fichiers de données aux métadonnées prédéfinies et fournir les valeurs de métadonnées.

   Exemple :

   {
       "metadataAttributes": {
           "publication_year": 2020
       }
   } 

   Vous pouvez associer des fichiers de données ou tous les fichiers d'un bucket aux métadonnées. Pour plus d'informations sur les conventions de nom de fichier JSON à utiliser pour les options que vous choisissez, reportez-vous à Options de filtre de métadonnées (nom de fichier et emplacement).

4. Téléchargez les fichiers JSON créés à l'étape 3 vers le bucket Object Storage qui contient les fichiers de données d'une base de connaissances. Pour chaque option, veillez à enregistrer le fichier à l'emplacement correct dans la hiérarchie.
5. Créez une base de connaissances. Sélectionnez Object Storage en tant que type de banque de données et choisissez de démarrer automatiquement le travail d'inclusion.

   Lorsque les fichiers de données sont ingérés, les agents d'IA générative créent une liste des noms de métadonnées et des valeurs pouvant être sélectionnées dans une discussion. Pour afficher les noms et les valeurs des métadonnées incluses, reportez-vous à Obtention des détails d'une base de connaissances dans les agents d'IA générative.

6. Créez un agent avec un outil RAG, en sélectionnant la base de connaissances créée à l'étape 5. Dans l'agent, sélectionnez l'option permettant de créer automatiquement une adresse. Si vous avez besoin d'aide, reportez-vous à Création d'un agent et à Création d'un outil RAG.
7. Dans une fenêtre de discussion, ajoutez des filtres de métadonnées prédéfinis et sélectionnez les valeurs à appliquer. Reportez-vous à Utilisation de filtres de métadonnées dans une discussion.

Cette rubrique explique comment ajouter ou mettre à jour l'objet metadata via l'interface de ligne de commande OCI.