Selecionar IA com Geração Aumentada de Recuperação (RAG)

A seleção de IA com RAG aumenta seu prompt de linguagem natural recuperando conteúdo do armazenamento de vetores especificado usando a pesquisa de similaridade semântica. Isso reduz as alucinações usando seu conteúdo específico e atualizado e fornece respostas em linguagem natural mais relevantes aos seus prompts.

O Select AI automatiza o processo de Geração Aumentada de Recuperação (RAG). Essa técnica recupera dados de origens empresariais usando a pesquisa vetorial de IA e aumenta os prompts do usuário para seu modelo de linguagem grande (LLM) especificado. Ao aproveitar as informações dos armazenamentos de dados corporativos, a RAG reduz as alucinações e gera respostas fundamentadas.

O RAG usa a pesquisa vetorial de IA em um índice vetorial para encontrar dados semanticamente semelhantes para a pergunta especificada. O armazenamento de vetores processa incorporações de vetores, que são representações matemáticas de vários pontos de dados, como texto, imagens e áudio. Essas incorporações capturam o significado dos dados, permitindo o processamento e a análise eficientes. Para obter mais detalhes sobre incorporações de vetores e pesquisa de vetores de IA, consulte Visão Geral do AI Vector Search.

A Select AI se integra à pesquisa vetorial de IA disponível no Oracle Autonomous Database 23ai para pesquisa de similaridade usando incorporações de vetores.

Tópicos

Construa sua loja de vetores

O Select AI automatiza a criação e o preenchimento do armazenamento de vetores convertendo documentos de entrada (por exemplo, PDF, DOC, JSON, XML ou HTML) do seu armazenamento de objetos em texto sem formatação. O Oracle Text suporta cerca de 150 tipos de arquivo. Para obter uma lista completa de todos os formatos de documento suportados, consulte Formatos de Documento Suportados.

A Select AI processa automaticamente documentos em blocos, gera incorporações, os armazena no armazenamento de vetores especificado e atualiza o índice vetorial à medida que novos dados chegam.

Veja como a entrada do Object Storage é usada com o Select AI RAG:

  1. Entrada: Os dados são inicialmente armazenados em um Object Storage.
  2. O Oracle Autonomous Database recupera os dados de entrada ou o documento, os divide e envia os blocos para um modelo de incorporação.
  3. O modelo de incorporação processa os dados de chunk e retorna incorporações de vetores.
  4. As incorporações de vetores são então armazenadas em um armazenamento de vetores para uso com RAG. À medida que o conteúdo é adicionado, o índice vetorial é atualizado automaticamente.

O RAG recupera informações relevantes do banco de dados empresarial para responder à pergunta de um usuário. Essas informações são fornecidas ao modelo de idioma grande especificado juntamente com o prompt do usuário. A Select AI usa essas informações empresariais adicionais para aprimorar o prompt, melhorando a resposta do LLM. O RAG pode melhorar a qualidade da resposta com informações empresariais atualizadas do armazenamento de vetores.



Selecione AI implementa RAG da seguinte forma:
  1. Entrada: O usuário faz uma pergunta (especifica um prompt) usando a ação Selecionar AI narrate.

  2. O Select AI gera incorporações vetoriais do prompt usando o modelo de incorporação especificado no perfil do AI.

  3. O índice de pesquisa vetorial usa a incorporação vetorial da pergunta para encontrar o conteúdo correspondente dos dados corporativos do cliente (pesquisando o armazenamento de vetores) que foi indexado.

  4. A pesquisa vetorial retorna os principais textos K semelhantes à entrada da sua instância do Autonomous Database.
  5. Em seguida, o Autonomous Database envia esses principais resultados de consulta K com a pergunta do usuário para o LLM.
  6. O LLM retorna sua resposta à sua instância do Autonomous Database.
  7. O Autonomous Database Select AI fornece a resposta ao usuário.

Usar DBMS_CLOUD_AI para Criar e Gerenciar Índices Vetores

Use o pacote DBMS_CLOUD_AI para criar e gerenciar índices vetoriais e configurar parâmetros JSON do banco de dados vetorial.

Depois de criar credenciais e fornecer acesso de rede ao banco de dados vetorial e ao provedor de IA, sua instância do Autonomous Database usa perfis de IA para configurar o acesso aos LLMs. Consulte Exemplo: Configurar e Usar o Select AI com RAG para obter um exemplo completo sobre como configurá-lo e usá-lo nas instruções Select AI.
Observação

Se você não quiser que os dados da tabela ou os documentos de pesquisa vetorial sejam enviados para um LLM, um usuário com privilégios de administrador poderá desativar esse acesso para todos os usuários do banco de dados fornecido. Isso, na verdade, desativa a ação narrate para RAG.

Você pode configurar perfis de IA para provedores listados em Selecionar seu Provedor de IA e LLMs por meio do pacote DBMS_CLOUD_AI.

Consulte Também:

Usar Modelos de Transformador no Banco de Dados

Selecionar AI RAG permite que você use modelos de transformadores ONNX pré-treinados que são importados para o seu banco de dados na instância do Oracle Database 23ai para gerar vetores de incorporação de partes de documentos e prompts do usuário.

Observação

Você deve importar um modelo de transformador de formato ONNX pré-treinado para a instância do Oracle Database 23ai para usar o Select AI RAG com o modelo de transformador importado no banco de dados. Você também pode usar outros modelos de transformador de provedores de IA suportados.

Consulte Exemplo: Selecionar IA com Modelos de Transformador no Banco de Dados para explorar o recurso.

Benefícios do Select AI RAG

Simplifique a consulta, aumente a precisão da resposta com os dados atuais e obtenha transparência revisando as fontes usadas pelo LLM.

Selecionar AI RAG oferece os seguintes benefícios:
  • Simplifique a consulta de dados e aumente a precisão das respostas: Permita que os usuários consultem dados corporativos usando linguagem natural e forneça aos LLMs um contexto detalhado dos dados corporativos para gerar respostas mais precisas e relevantes, reduzindo as instâncias de alucinações do LLM.

  • Informações atualizadas: Forneça aos LLMs acesso às informações atuais da empresa usando armazenamentos de vetores, eliminando a necessidade de ajuste fino caro e demorado de LLMs treinados em conjuntos de dados estáticos.

  • Integração perfeita: Integre-se ao Oracle AI Vector Search para um tratamento de dados simplificado e desempenho aprimorado.

  • Orquestração de dados automatizada: automatize as etapas de orquestração com um pipeline de Índice de Vetores totalmente gerenciado, garantindo o processamento eficiente de novos dados.

  • Resultados contextuais compreensíveis: Tem acesso e recupera as fontes usadas pelo LLM de armazenamentos de vetores, garantindo transparência e confiança nos resultados. Exibe e extrai dados em texto em linguagem natural ou formato JSON para facilitar a integração e o desenvolvimento de aplicativos.