RAG s vektorovou databází, nebo bez ní: co rozhoduje > 공지사항

• 목록
• 답변
• 글쓰기
• 게시판 리스트 옵션
  • 수정
  • 삭제

Dělení textu (chunking) je místo, kde většina začátečníků ztratí nejvíc času. Příliš malé kusy ztrácejí kontext, příliš velké zanášejí odpověď balastem. Praktický kompromis je držet se odstavců nebo několika vět a překryv mezi sousedními kusy nastavit tak, aby žádná myšlenka nepadla přes hranici. Velikost se neshodí s počtem znaků, více detailů ale s tokeny, a ty se liší podle jazyka i modelu. Otestuj dva nebo tři režimy a porovnej je na stejném souboru dotazů — jinak jen hádáš.

Vektorová databáze, nebo fulltext? Vektorové uložiště není povinné. Pokud máš tisíce dokumentů, vystačíš si s klasickým fulltextovým vyhledáváním a teprve když přestane stačit, přidej embeddings. Hybridní přístup — kombinace klíčových slov a vektorů — bývá nejrobustnější, protože vektor sám o sobě občas mine přesnou shodu názvu nebo kódu. Ať zvolíš cokoli, indexuj mimo běžící aplikaci a ukládej verzi modelu, kterým jsi vektory vytvořil. Když model vyměníš, staré vektory přestanou odpovídat a výsledky se tiše rozsypou.

RAG (retrieval-augmented generation) stojí na jednoduché myšlence: místo abys spoléhal jen na to, co má model v hlavě, nejdřív najdeš relevantní pasáže v datech a teprve pak je pošleš modelu jako kontext. Bez tohoto kroku budeš mít odpovědi, které znějí sebejistě, ale vycházejí z ničeho. První rozhodnutí proto není o knihovně, ale o datech. Sesbírej je, vyčisti a rozděl na části. U dokumentů si drž přehled o tom, odkud každý kus pochází — při ladění se bez metadat ztratíš.

Úpravy by měly být minimální. Základní korekce jasu, kontrastu a vyvážení bílé je v pořádku. Vyhněte se filtrům, přehnanému dobarvování trávy nebo obloze. Nikdy nepřidávejte do fotky nábytek, který v místnosti není, ani neodstraňujte vlhkost nebo praskliny. Takové zásahy jsou neetické a při prohlídce vyvolají nedůvěru. Pokud si nejste jistí, zvolte přirozený vzhled. U exteriéru foťte z více úhlů, zachyťte zahradu, fasádu i přístupovou cestu. U bytu stačí interiér a společný prostor.

Jak správně fotit a co nedělat Foťte z výšky pasu nebo hrudi, ne z očí. Telefon držte na šířku, ne na výšku. Pro každou místnost udělejte alespoň tři záběry: celkový, z rohu do protějšího rohu a detail, který ukáže přednost – např. kuchyňskou linku, okno s výhledem, vestavěnou skříň. Vyhněte se rybímu oku a širokoúhlým objektivům, které deformují prostor. Dveře nechte otevřené, aby byl vidět průchod. Nikdy nefoťte zrcadla, ve kterých se odrážíte vy nebo nepořádek. Typická chyba je příliš tmavý snímek, přeexponovaná okna nebo šikmé linie. Stativ nebo alespoň pevné opření telefonu pomůže s rovnými liniemi.

Rozděl data na tři části: trénovací, validační a testovací. Trénovací slouží k učení, validační k rozhodování během ladění, testovací otevři až na konci. Když validační sadu použiješ pro ladění příliš často, přestane být nezávislá a čísla na ní lžou. Poměr kolem osmdesáti ku deseti ku deseti je rozumný start. Hlídej, aby se příklady z jednotlivých sad neopakovaly, jinak měříš paměť místo schopnosti.

Další pastí je automatizace bez kontroly. Umělá inteligence umí odpovídat plynule, ale ne vždy správně. Pokud necháte model odesílat odpovědi zákazníkům bez lidského schválení, dříbyt v paneláku nebo později pošle něco, co neplatí. Nastavte proto pravidlo, že výstup nejdřív projde člověkem, a teprve po několika týdnech, kdy vidíte, že chyby jsou vzácné, povolte automatické odesílání u jasně ohraničených případů.

Samotné vyhledání nestačí. Do promptu patří jen to, co se vejde do kontextového okna, a pořadí má váhu — relevantnější pasáže dej nahoru. Přidej jasnou instrukci, že model má odpovídat pouze z dodaných materiálů a nejistotu přiznat místo vymýšlení. Právě tady vzniká nejčastější chyba: lidé vloží celý výsledek hledání a diví se, že model halucinuje. Omez počet kusů, filtruj podle metadat a nech modelu prostor říct, že odpověď v datech není.

Typická chyba je automatizovat schvalování, ale ne archivaci a párování s objednávkami. Faktura se schválí, ale nikdo nezkontroluje, jestli odpovídá objednávce nebo dodacímu listu. Automatizace by měla propojit schválení s kontrolou proti objednávce a upozornit na nesrovnalosti. Bez toho si jen zrychlíte cestu k chybě. Další častou chybou je ignorovat historii změn. Když se později řeší, kdo co schválil, musí být dohledatelné, kdy a proč se tak stalo.

Během tréninku si zapisuj čísla. Chyba na trénovací a validační sadě v každé epoše ti prozradí víc než jeden výsledek na konci. Když trénovací chyba klesá a validační roste, model se učí nazpaměť a je čas zastavit nebo přidat data. Když obě stojí na místě, je problém v datech nebo v kódu. Tabulka se dvěma sloupci a graf z ní udělají víc než hodiny hádání.

If you have any sort of inquiries concerning where and how to use Youngstersprimer.A2hosted.com, you could call us at the web-site.