عند إعداد البيانات لـ RAG، فإن كل التفاصيل في تنسيق المستند وهيكله مهمة. لنبدأ بالأساسيات: أنواع الملفات التي تستخدمها.

أولاً، تأكد من أن ملفاتك بتنسيقات مدعومة. يتضمن ذلك الأنواع الشائعة الاستخدام مثل ملفات PDF ومستندات Word وملفات HTML و Markdown والنص العادي. يدعم Botpress Studio جميع تنسيقات الملفات هذه. بشكل عام، تجنب استخدام أنواع الملفات التي لا يمكن تحليلها بسهولة، مثل المستندات المستندة إلى الصور ذات التنسيق المعقد. فبدون الاستخراج المناسب، لا يمكن قراءة هذه الملفات بواسطة LLM ، مما يحد من قدرة وكيلك على الفهم أو الاستجابة بدقة.

عندما تقوم بتحميل ملف لاستخدامه كقاعدة معرفية للوكيل في Botpress ، نقوم تلقائيًا بتحويل الملف إلى صيغة مخفّضة. إذا كنت ترغب في التأكد من أن وكيلك يقدم إجابات موثوقة باستمرار، يمكنك تحميل ملف بتخفيض السعر الخام بنفسك، أو استخدام نوع قاعدة المعرفة "النص المنسق"، وهو أيضًا مجرد تخفيض السعر.

الآن، وبعيداً عن نوع الملف، فإن الطريقة التي تنظم بها محتوى مستندك لا تقل أهمية. فتقسيم ملفاتك إلى هيكل واضح ومنطقي - مع وجود أقسام وعناوين وعناوين رئيسية وعناوين فرعية مميزة - يمكن أن يعزز بشكل كبير قدرة وكيلك على فهم المعلومات واسترجاعها. انتبه بشكل خاص لعناوين مستندك: مع وجود تسلسل هرمي واضح للمعلومات محدد من خلال العناوين، يمكن للوكيل LLM تصنيف المعلومات بشكل أفضل، مما يحسن قدرته على استرجاع المعلومات ذات الصلة بناءً على استفسارات المستخدم.

النظرية الشاملة هنا هي أن تجعل مستندك قابلاً للتحليل بسهولة. وبعبارة أخرى، إذا سلمت هذا المستند إلى شخص ليس لديه أي سياق على الإطلاق حول مجال عملك أو خدمتك، فيجب أن يظل قادرًا على فهم المعلومات التي يحتوي عليها.

Botpress يستخدم نهجًا دلاليًّا للعناوين والعناوين الفرعية، مما يعني أننا أثناء خطوة التحليل الموجه ننتبه إلى الأجزاء المنطقية من ملفاتك التي يجب تجميعها معًا لاسترجاعها. ولكننا نعتمد على بنية مستندك للقيام بذلك بدقة: إذا تم تحليل عنوانك كجزء من النص الرئيسي للنص الخاص بك، فإن ذلك سيسبب مشكلة في قدرة وكيلك على استرجاع المعلومات من هذا القسم بشكل متسق.

باختصار، إن قضاء بعض الوقت في تنظيم ملفاتك وتوحيدها يقطع شوطاً طويلاً نحو تحسين قدرة وكيلك على معالجة المعلومات الدقيقة واسترجاعها.