Bases de conocimiento y sistema RAG
SecureAI utiliza Generación de recuperación aumentada (RAG) para conectar modelos de IA con sus datos y documentos privados, garantizando respuestas seguras, precisas y sensibles al contexto.¿Qué es RAG?
Generación de recuperación aumentada (RAG) es una técnica de inteligencia artificial que combina modelos de lenguaje con fuentes de conocimiento externas. En lugar de depender únicamente de los datos previamente entrenados del modelo:- Procesamiento de consultas: el sistema analiza la solicitud del usuario para identificar los requisitos de conocimiento relevantes.
- Recuperación de conocimientos: la búsqueda semántica recupera fragmentos de documentos relevantes de su índice.
- Aumento de contexto: el contexto recuperado se inyecta en el mensaje del modelo.
- Generación de respuesta: La IA genera una respuesta objetiva y fundamentada citando sus documentos.
Tipos de índice en SecureAI
Los índices son bases de conocimiento estructuradas categorizadas por accesibilidad:1. Índices personales
- Privacidad de conocimiento cero: sus archivos y conversaciones se cifran con claves de inquilino/usuario.
- Creación:
- Usuarios: abra la interfaz de chat, haga clic en el selector de índice junto al selector de modelo, cambie a la pestaña Personal y haga clic en +.
- Administradores: ¿Ir a Administrador? ¿Gestión de índices? Cree un índice y asígnelo a un usuario específico.
2. Índices de grupo
- Colaboración: varios miembros del equipo pueden consultar y aportar documentos a la misma base de conocimientos.
- Creación:
- ¿Ir a Administrador? ¿Gestión de grupos? Cree un grupo, asigne miembros y vincule un índice de grupo compartido.
3. Índices globales
- Estándares para toda la empresa: repositorios centralizados para el cumplimiento empresarial, términos legales y pautas operativas.
- Creación: ¿Ir a Administrador? ¿Gestión de índices? Cree un índice y establezca el alcance en Global.
Cómo funciona la indexación
Cuando carga archivos (PDF, documentos de Word, CSV, JSON, Markdown o texto sin formato):¿Documento sin procesar--? Extracción de texto --? Fragmentación semántica --? ¿Incrustaciones de vectores --? Almacenamiento de vectores (índice)
- Procesamiento de documentos: el texto y los metadatos (marcas de tiempo, nombres de archivos) se extraen y limpian.
- Fragmentos: el contenido se divide en fragmentos semánticos optimizados que se superponen para mantener la continuidad contextual.
- Generación de incrustaciones: los fragmentos se convierten en incrustaciones de vectores de alta dimensión.
- Almacenamiento vectorial: las incrustaciones se almacenan en bases de datos vectoriales de alto rendimiento para una recuperación instantánea de similitudes.
Mejores prácticas
- Nombres: utilice nombres claros y descriptivos para índices y archivos cargados (por ejemplo, HR-Policy-2026 en lugar de doc1).
- Preparación de archivos: asegúrese de que los documentos cargados sean texto claro; limpie los escaneos de baja calidad antes de cargarlos.
- Límites de archivos: las cargas estándar admiten archivos de hasta 10 MB por lote.
- Alcance apropiado: mantenga notas personales confidenciales en índices personales; mover los recursos del equipo a índices de grupo.