Documentation Oracle Cloud Infrastructure

Sélectionner une IA avec génération augmentée de récupération (RAG)

Sélectionnez AI avec RAG pour augmenter votre invite de langage naturel en récupérant 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 IA pour automatiser le traitement de génération augmentée de récupération (RAG). Cette technique extrait les données des sources d'entreprise à l'aide de la recherche vectorielle AI et augmente les invites utilisateur pour le modèle de langage LLM spécifié. En exploitant les informations des banques 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 sémantiques similaires pour la question spécifiée. La banque de vecteurs traite les incorporations de vecteurs, qui sont des représentations mathématiques de divers points de données tels que le texte, les images et l'audio. Ces incorporations capturent la signification des données, permettant un traitement et une analyse efficaces. Pour plus de détails sur les incorporations de vecteurs et la recherche de vecteurs AI, reportez-vous à Présentation de AI Vector Search.

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.

Sujets

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

Construisez votre magasin de vecteurs

Sélectionnez IA pour automatiser 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 Formats de document pris en charge.

Sélectionnez AI traite automatiquement les documents pour les blocs, génère des incorporations, les stocke dans la banque de vecteurs spécifiée et met à jour l'index vectoriel à mesure que de nouvelles données arrivent.

Voici comment l'entrée d'Object Storage est utilisée avec Select AI RAG :
Description de l'image adb-obj-storage-select-ai-rag.png ci-après
description de l'illustration 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 fragmente et les envoie à un modèle d'intégration.
  3. Le modèle d'intégration traite les données de bloc et renvoie des incorporations vectorielles.
  4. Les incorporations vectorielles sont ensuite stockées dans un magasin de vecteurs pour une utilisation avec la RAG. A mesure que le contenu est ajouté, l'index vectoriel est automatiquement mis à jour.

La RAG extrait les informations pertinentes de la base de données Enterprise pour répondre à la question d'un utilisateur. Ces informations sont fournies au modèle de langage volumineux 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 actualisées de la banque de vecteurs.


Description de l'image adb-diagram-tiers-vecteur-db-select-ai-rag.eps ci-après
Description de l'illustration adb-diagram-tiers-vecteurs-db-select-ai-rag.eps

Sélectionnez AI implémente la RAG comme suit :

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

  2. Sélectionnez AI génère 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 ont été indexées.

  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 une 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 d'IA, votre instance Autonomous Database utilise des profils d'IA pour configurer l'accès aux LLM. Reportez-vous à Exemple : configuration et utilisation de 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 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 donnée. Cela désactive en effet 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 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

Select AI RAG vous permet d'utiliser des modèles de transformateur ONNX préentraînés qui sont importés dans votre base de données dans une 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 l'instance Oracle Database 23ai pour utiliser la RAG Select AI avec le 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 d'une 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 l'interrogation des données et améliorez la précision des réponses : permettez aux utilisateurs d'interroger les données d'entreprise en 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 instances d'hallucinations des LLM.

  • Informations à jour : fournissez aux LLM l'accès aux informations d'entreprise actuelles à l'aide de banques de vecteurs, ce qui élimine le besoin d'affiner les LLM entraînés sur des ensembles de données statiques, qui sont coûteux et chronophages.

  • Intégration transparente : intégration à Oracle AI Vector Search pour une gestion rationalisée des données et des performances améliorées.

  • Orchestration automatisée des données : automatisez les étapes d'orchestration avec un pipeline d'index vectoriel entièrement géré, garantissant un traitement efficace des nouvelles données.

  • Résultats contextuels compréhensibles : permet d'accéder aux sources utilisées par le LLM et de les extraire des magasins de vecteurs, garantissant ainsi 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.