Znalosti ve firmě.
Zpřístupnit pomocí RAG.
Odpovědi s dohledatelnými zdroji místo dalšího úložiště: DAXS propojuje dokumenty, vyhledávání a jazykové modely do znalostního řešení, které zohledňuje aktuálnost a stávající přístupová práva.
Odpověď má vést k vašim schváleným zdrojům.
Pracovní postup leží ve správě dokumentů, technická poznámka v interní dokumentaci a poslední doplnění v ticketu. Vhodné vyhledávání znalostí může tyto zdroje zpřístupnit a srozumitelně sestavit odpovědi. DAXS plánuje a integruje taková řešení včetně importu dat, vyhledávání, uživatelských práv a průběžné údržby.
Retrieval-Augmented Generation, zkráceně RAG, propojuje vyhledávání s jazykovým modelem. Vyhledávání najde vhodný obsah; model získá vybrané části textu jako kontext a vytvoří z nich odpověď. V běžném postupu RAG se kvůli tomu váhy modelu netrénují s každým novým dokumentem. Znalostní obsah a model odpovědí zůstávají odlišnými součástmi.
Interní dokumentace
Snáze najít schválené příručky a provozní pokyny, shrnout vhodnou pasáž a otevřít místo ve zdroji.
Znalosti podpory
Najít známé postupy řešení požadavku a připravit je jako ověřitelný návrh odpovědi. Hranice zákazníků a tenantů zůstávají součástí vyhledávání.
Pracovní procesy
Spojit informace z vhodných projektových podkladů nebo směrnic pro konkrétní pracovní krok. Odborné schválení se řídí případem použití.
Import a dotazování jsou dvě spravované datové cesty.
Při importu se připraví obsah, vazba na zdroj a práva. Při otázce služba určí identitu uživatele a vyhledává v povoleném obsahu. Pro odpověď se sestaví až vhodné, povolené výsledky.
Architekturu lze realizovat s místními nebo externími modely. Povolené datové cesty se samostatně prověřují pro embeddingy, nové seřazení výsledků a generování odpovědi. Místně uložený vyhledávací index ještě neznamená, že místně probíhají také všechny pozdější kroky zpracování.
Dobré vyhledávání začíná před prvním promptem.
Import dokumentu načítá více než název souboru. Prověřujeme podporované formáty, rozpoznávání textu, tabulky a přehlednou strukturu dokumentu. Zbytečné duplicity nebo staré návrhy by neměly nepozorovaně soupeřit s aktuálním pracovním pokynem.
| Krok | Úkol | Důležitá souvislost |
|---|---|---|
| Import a čištění | Připojit vhodné zdroje, extrahovat obsah a strukturovaně jej připravit. | Zachovat ID zdroje, verzi, časový stav a vlastníka; zviditelnit chyby a nečitelné dokumenty. |
| Chunking | Rozdělit dokumenty na smysluplně použitelné úseky. | Zohlednit nadpisy, tabulky a odbornou souvislost. Každý úsek potřebuje vazbu na zdroj a jeho práva. |
| Embeddingy a index | Reprezentovat obsah pro sémantické vyhledávání a uložit jej s vyhledávacími metadaty. | Společně verzovat embeddingový model a stav indexu. Také vektory a odvozená data mohou vyžadovat ochranu. |
| Hybridní vyhledávání | Kombinovat sémantickou podobnost s vhodným fulltextovým nebo klíčovým vyhledáváním. | Přesná produktová čísla či odborné pojmy a významově formulované otázky mají odlišné vyhledávací potřeby. |
| Výběr a nové seřazení výsledků | Seřadit a omezit povolené výsledky pro konkrétní otázku. | Doplňkovému rerankeru předávat jen oprávněně přístupné informace; zohlednit službu a schválení dat. |
| Odpověď a místa ve zdrojích | Předat modelu omezený kontext, srozumitelně odpovědět a propojit zdroje. | Místo ve zdroji, verze a uživatelský přístup musejí odpovídat výsledku. Samotný odkaz na zdroj nedokazuje, že z něj každé tvrzení bylo správně odvozeno. |
Vyhledávání znalostí nesmí obcházet stávající práva.
Zaměstnanec bez přístupu k dokumentu nesmí získat jeho důvěrný obsah ani prostřednictvím souhrnu. Kontext uživatele a skupin proto pochází z důvěryhodného přihlášení. Aplikace se nesmí spoléhat na uživatelské jméno uvedené modelem nebo libovolně přiložený vyhledávací filtr.
Podle zdrojového systému a vyhledávací platformy lze využít převzaté ACL, filtry nastavené na serveru nebo doplňkové objektové kontroly. U výrazně oddělených datových souborů může být vhodná samostatná struktura indexu. Rozhoduje celý řetězec: import, mapování práv, vyhledávání, předání výsledků, cache a skutečně otevřený zdroj.
Chybějící práva nenahradí dobrý prompt.
Při nejasné identitě, chybějících informacích o oprávnění nebo již neplatném sdílení se musí datová cesta uzavřít podle dohodnuté koncepce ochrany. Text dokumentu patří do rerankeru a kontextu modelu až po úspěšné kontrole. Ani seznamy výsledků, názvy souborů a cache odpovědí nesmějí prozradit cizí informace.
Výslovně testujeme oddělené uživatelské role, odebraná skupinová práva a cizí tenanty. Zdroj dokumentů může navíc obsahovat podvržené instrukce. Ty se zpracovávají jako zdrojový obsah a neudělují oprávnění k nástrojům. Má-li vyhledávání znalostí také spouštět akce, dostane samostatně plánované řízené rozhraní.
Nový obsah, smazání a změny práv patří k sobě.
Jednou načtená složka nezůstává automaticky aktuální. Stanovíme, jak rozpoznat změny, opakovat chyby a odstranit zastaralé záznamy. Patří sem nové verze i smazané soubory, odebraná práva, změněné sdílecí odkazy a odchod zaměstnanců.
- Synchronizace: vhodné konektory, události nebo plánované porovnávání s dohledatelným stavem zpracování.
- Vazba na zdroj: stabilní ID a verze, aby odkazy omylem nevedly na jinou verzi dokumentu.
- Koncepce mazání: zohlednit dotčené části indexu, embeddingy a cache; pravidla uchování záloh dohodnout samostatně.
- Provoz: umožnit rozpoznání neúspěšných importů, chybného převzetí práv a nečekaně starých dat.
Dohodne se také zacházení se zastaralým nebo nedostupným zdrojovým systémem. Podle potřeby ochrany může být varování, omezená odpověď nebo dočasné pozastavení dotčeného obsahu vhodnější než zdánlivě aktuální informace.
Odděleně prověřit kvalitu výsledků vyhledávání a odpovědi.
Plynule formulovaná odpověď může vycházet z nesprávného nebo neúplného místa ve zdroji. Proto prověřujeme, zda vyhledávání vůbec nachází potřebné informace, zda povolený kontext stačí a zda odpověď tyto informace správně předává.
Známá otázka
Schválená otázka s doloženým místem ve zdroji. Společně prověřit nalezenou pasáž, správnou verzi a odborně vhodnou odpověď.
Žádný vhodný zdroj
Systém má zviditelnit chybějící informace a nabídnout smysluplnou cestu zpět místo vymýšlení zdánlivě doložené odpovědi.
Zakázaný nebo starý zdroj
Uživatel s jinými právy a stažená verze. Ani obsah dokumentu, ani nepřípustné informace se nesmějí objevit v odpovědi nebo cache.
Vhodná sada otázek obsahuje také rozpory, vícejazyčné pojmy, tabulky a neobvyklé formáty dokumentů. Změny chunkingu, embeddingů, vyhledávací strategie nebo modelu se proti ní znovu prověřují. RAG může informace lépe zpřístupnit; neúplné zdroje a chybné odpovědi zůstávají možnými omezeními.
Začít vhodnou oblastí znalostí.
DAXS zmapuje datové zdroje, práva a typické otázky, vyvine importní a vyhledávací cestu a připojí vhodnou aplikaci. Omezený výběr kvalitních podkladů s jasnými vlastníky je pro pilot často užitečnější než okamžitý import všech souborů.
Výsledkem je srozumitelná architektura se schválenými datovými cestami, ověřitelnou sadou otázek a zdokumentovanými úkoly synchronizace, údržby a provozu. Zda inference proběhne místně, nebo externě, se vyjasní v porovnání infrastruktury . Zavedení na pracovišti zohledňuje uživatele, školení a pravidla používání.
Vymezená oblast dokumentů, odpovědné kontaktní osoby, typické otázky a stávající koncepce oprávnění. Důvěrné soubory se poskytují až dohodnutou chráněnou cestou.
To vyjasníme při rozhovoru.
Je RAG totéž co natrénovaný firemní model?
Ne. RAG načítá části dokumentů odpovídající dotazu a předává je modelu jako kontext. Váhy modelu se tím automaticky nemění. Kvalita vyhledávání, zdrojů a modelu odpovědí se musí prověřovat společně.
Jak zůstávají důvěrné dokumenty chráněné?
Identita a povolená dokumentová práva se musejí vynucovat již při vyhledávání a před předáním kontextu. Následně práva platí i pro zobrazené zdroje. Prověření zahrnuje také indexy, dočasná úložiště, exporty a protokoly.
Co se stane se změněnými nebo smazanými podklady?
Řešení potřebuje stanovené porovnávání se zdroji. Změny, změny práv a smazání se musejí promítnout do vyhledávacího indexu a dotčených dočasných úložišť. Zastaralý nebo již nepovolený obsah nesmí dále sloužit jako aktuální kontext.
Brání odkazy na zdroje nesprávným odpovědím?
Usnadňují kontrolu, ale nezaručují správné tvrzení. Odpověď může místo ve zdroji nesprávně pochopit nebo nevhodně shrnout. Proto testujeme pokrytí zdrojů, přesnost citací, rozpory a zacházení s chybějícími informacemi.
Může malý soubor dokumentů sloužit jako pilot?
Ano. Jasně vymezený, spravovaný obsah se skutečnými otázkami a známými oprávněními bývá vhodnější než okamžitý import všeho. Výsledky ukážou, které zdroje, vyhledávací metody a provozní postupy jsou potřeba dál.
Také názvy, výňatky a cache potřebují práva.
Oprávnění musejí účinkovat před předáním modelu. Kontrola zahrnuje seznamy výsledků, náhledy, citace, načtení originálu a cache odpovědí. Změny skupin a odebrané sdílení se ověřují negativními testy. Schválený vyhledávací index se nesmí stát společně používaným úplným přístupem k důvěrným zdrojům. Samostatná bezpečnostní stránka vysvětluje oversharing, chybně udělená práva a aktuální kontroly Microsoft.
Proberme váš případ použití.
Co se má zjednodušit, která data se zapojují a jaké systémy už máte? Z toho vytvoříme smysluplný začátek a zvládnutelný další krok.