Sélectionner l'IA avec génération augmentée de récupération (RAG)
Sélectionnez AI avec RAG pour augmenter votre invite de langage naturel en récupérant le contenu de votre banque de vecteurs spécifiée 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 de génération augmentée d'extraction (RAG). Cette technique extrait des données de sources d'entreprise à l'aide de la recherche vectorielle AI et augmente les invites utilisateur pour le modèle de langage volumineux (LLM) indiqué. En exploitant les informations des magasins de données d'entreprise, la RAG réduit les hallucinations et génère des réponses fondées.
RAG utilise la recherche vectorielle AI sur un index vectoriel pour trouver des données sémantiquement similaires pour la question spécifiée. Le stockage vectoriel traite les incorporations vectorielles, qui sont des représentations mathématiques de divers points de données tels que le texte, les images et l'audio. Ces intégrations capturent la signification des données, permettant un traitement et une analyse efficaces. Pour plus de détails sur les intégrations de vecteurs et la recherche de vecteurs AI, reportez-vous à Présentation de la recherche de vecteurs AI.
Select AI s'intègre à la recherche vectorielle d'IA disponible dans Oracle Autonomous Database 23ai pour la recherche de similarité à l'aide d'intégrations vectorielles.
Rubriques
- Créer votre magasin de vecteurs
- Utilisation de DBMS_CLOUD_AI pour créer et gérer des index vectoriels
Utilisez le packageDBMS_CLOUD_AI
pour créer et gérer des index vectoriels et configurer des paramètres JSON de base de données vectorielle. - Utilisation de modèles de transformateur dans la base de données
Sélectionnez AI RAG vous permet d'utiliser des modèles de transformateur ONNX préentraînés qui sont importés dans votre base de données dans l'instance Oracle Database 23ai pour générer des vecteurs d'intégration à partir de blocs de document et d'invites utilisateur. - Avantages de Select AI RAG
Simplifiez les requêtes, améliorez la précision des réponses avec les données actuelles et gagnez en transparence en examinant les sources utilisées par le LLM.
Construisez votre magasin de vecteurs
Sélectionnez AI traite automatiquement les documents en morceaux, génère des incorporations, les stocke dans le magasin de vecteurs spécifié et met à jour l'index de vecteurs à mesure que de nouvelles données arrivent.
- Entrée : les données sont initialement stockées dans Object Storage.
- Oracle Autonomous Database extrait les données d'entrée ou le document, les découpe et les envoie à un modèle d'intégration.
- Le modèle d'intégration traite les données de bloc et renvoie les incorporations vectorielles.
- Les incorporations vectorielles sont ensuite stockées dans un magasin vectoriel pour être utilisées avec RAG. Au fur et à mesure que le contenu est ajouté, l'index vectoriel est automatiquement mis à jour.
RAG extrait les informations pertinentes de la base de données d'entreprise pour répondre à la question d'un utilisateur. Ces informations sont fournies au modèle de langue volumineux spécifié avec l'invite utilisateur. Select AI utilise ces informations d'entreprise supplémentaires pour améliorer l'invite, ce qui améliore la réponse du LLM. La RAG peut améliorer la qualité des réponses grâce à des informations d'entreprise actualisées provenant de la banque de vecteurs.
-
Entrée : l'utilisateur pose une question (indique une invite) à l'aide de l'action Sélectionner AI
narrate
. -
Sélectionnez AI pour générer des incorporations vectorielles de l'invite à l'aide du modèle d'intégration spécifié dans le profil AI.
-
L'index de recherche vectorielle utilise l'intégration vectorielle de la question pour trouver le contenu correspondant à partir des données d'entreprise du client (recherche de la banque de vecteurs) qui a été indexé.
- La recherche vectorielle renvoie les K premiers textes similaires à l'entrée de votre instance Autonomous Database.
- Autonomous Database envoie ensuite ces résultats de requête K principaux avec question utilisateur au LLM.
- Le LLM renvoie sa réponse à votre instance Autonomous Database.
- Autonomous Database Select AI fournit la réponse à l'utilisateur.
Rubrique parent : Sélectionner une IA avec génération augmentée d'extraction (RAG)
Utiliser DBMS_CLOUD_AI pour créer et gérer des index vectoriels
Utilisez le package DBMS_CLOUD_AI
pour créer et gérer des index vectoriels et configurer des paramètres JSON de base de données vectorielle.
Si vous ne souhaitez 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 donnée. En fait, cette action désactive l'action narrate
pour la RAG.
Vous pouvez configurer des profils AI pour les fournisseurs répertoriés dans Sélectionner votre fournisseur AI et vos LLM via le package DBMS_CLOUD_AI
.
Voir aussi :
-
Créez un index vectoriel : Procédure CREATE_VECTOR_INDEX.
- Gérer les profils d'index vectoriel et d'autres profils AI : Récapitulatif des sous-programmes DBMS_CLOUD_AI
- Vues d'index vectoriel de requête : Vues DBMS_CLOUD_AI.
Rubrique parent : Sélectionner une IA avec génération augmentée d'extraction (RAG)
Utiliser des modèles de transformateur dans la base de données
Sélectionner AI RAG vous permet d'utiliser des modèles de transformateur ONNX préentraînés qui sont importés dans votre base de données dans l'instance Oracle Database 23ai pour générer des vecteurs d'intégration à partir de blocs de document et d'invites utilisateur.
Vous devez importer un modèle de transformateur au format ONNX préentraîné dans une instance Oracle Database 23ai pour utiliser Select AI RAG avec un modèle de transformateur importé dans la base de données. Vous pouvez également utiliser d'autres modèles de transformateur provenant de fournisseurs d'IA pris en charge.
Reportez-vous à Exemple : sélection de l'IA avec des modèles de transformateur dans la base de données pour explorer la fonctionnalité.
Rubrique parent : Sélectionner une IA avec génération augmentée d'extraction (RAG)
Avantages de Select AI RAG
Simplifiez les requêtes, améliorez la précision des réponses avec les données actuelles et gagnez en transparence en examinant les sources utilisées par le LLM.
-
Simplifiez les requêtes de données et améliorez la précision des réponses : permettez aux utilisateurs d'interroger les données d'entreprise à l'aide du langage naturel et fournissez aux LLM un contexte détaillé à partir des données d'entreprise pour générer des réponses plus précises et pertinentes, réduisant ainsi 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 de vecteurs, éliminant ainsi le besoin d'un réglage fin coûteux et chronophage des LLM entraînés sur des jeux de données statiques.
-
Intégration transparente : intégration à Oracle AI Vector Search pour une gestion rationalisée des données et des performances améliorées.
-
Orchestration de données automatisée : automatisez les étapes d'orchestration avec un pipeline d'index vectoriel entièrement géré, garantissant un traitement efficace des nouvelles données.
-
Résultats contextuels compréhensibles : A accès et extrait les sources utilisées par le LLM à partir de magasins de vecteurs, assurant la transparence et la confiance dans les résultats. Afficher et extraire des données au format texte en langage naturel ou JSON pour faciliter l'intégration et le développement d'applications.
Rubrique parent : Sélectionner une IA avec génération augmentée d'extraction (RAG)