Documentation Oracle Cloud Infrastructure

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

Rubrique parent : Utilisation de Select AI pour l'interaction du langage naturel avec votre base de données

Construisez votre magasin de vecteurs

Sélectionnez AI automatise la création et l'alimentation de la banque de vecteurs en convertissant les documents d'entrée (par exemple, PDF, DOC, JSON, XML ou HTML) de votre banque 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, reportez-vous à la section Supported Document Formats.

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.

Voici comment l'entrée d'Object Storage est utilisée avec Select AI RAG :
La description de l'image adb-obj-storage-select-ai-rag.png suit
Description de l'image adb-obj-storage-select-ai-rag.png

  1. Entrée : les données sont initialement stockées dans Object Storage.
  2. Oracle Autonomous Database extrait les données d'entrée ou le document, les découpe et les envoie à un modèle d'intégration.
  3. Le modèle d'intégration traite les données de bloc et renvoie les incorporations vectorielles.
  4. 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.


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

Sélectionnez AI implémente RAG comme suit :

  1. Entrée : l'utilisateur pose une question (indique une invite) à l'aide de l'action Sélectionner AI narrate.

  2. Sélectionnez AI pour générer des incorporations vectorielles de l'invite à l'aide du modèle d'intégration spécifié dans le profil AI.

  3. 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.

  4. La recherche vectorielle renvoie les K premiers textes similaires à l'entrée de votre instance Autonomous Database.
  5. Autonomous Database envoie ensuite ces résultats de requête K principaux avec question utilisateur au LLM.
  6. Le LLM renvoie sa réponse à votre instance Autonomous Database.
  7. Autonomous Database Select AI fournit la réponse à l'utilisateur.

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.

Une fois que vous avez créé des informations d'identification et fourni un accès réseau à la base de données vectorielle et au fournisseur AI, votre instance Autonomous Database utilise des profils AI pour configurer l'accès aux LLM. Reportez-vous à Exemple : Configurer et utiliser Select AI avec RAG pour obtenir un exemple complet de sa configuration et de son utilisation dans les instructions Select AI.
Remarque

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 :

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.

Pour en savoir plus sur l'import d'un modèle ONNX préentraîné dans votre instance Oracle Database 23ai, reportez-vous à
Remarque

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.

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.

Select AI RAG offre les avantages suivants :

  • 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.