Uso de bases de conocimiento en experimentos AutoAI RAG

Puede utilizar bases de conocimiento preexistentes como fuentes de datos en experimentos AutoAI RAG. Con las bases de conocimiento, puede ahorrar tiempo al omitir los pasos de fragmentación e incrustación de documentos, evitar la duplicación de datos para el experimento y mejorar la eficiencia de los experimentos con conjuntos de datos grandes o que se actualizan con frecuencia. Puede elegir entre dos tipos de bases de conocimiento: base de conocimiento de almacenamiento vectorial o base de conocimiento de base de datos SQL.

• Base de conocimientos de almacén vectorial : conéctese a hasta 20 colecciones preexistentes de una base de datos de almacén vectorial que ya contiene documentos indexados. Este enfoque omite los pasos de fragmentación e incrustación del proceso RAG, lo que hace que los experimentos sean más rápidos y eficientes. También está optimizado para la búsqueda por similitud y la recuperación semántica.

  Elija un almacén vectorial si:

  • Ya tienes incrustaciones generadas y almacenadas en una base de datos vectorial.
  • Quieres una búsqueda semántica rápida sin tener que volver a procesar los documentos.

  Tipos de almacenes de vectores compatibles:

  • Elasticsearch
  • Milvus

• Base de conocimientos de bases de datos SQL : conéctese a bases de datos relacionales y utilícelas como fuentes de conocimiento para RAG. Este enfoque utiliza consultas SQL para recuperar información basada en la pregunta del usuario.

  Elija una base de datos SQL si:

  • Sus datos se estructuran y almacenan en tablas.
  • Necesitas una recuperación precisa basada en consultas, en lugar de similitud semántica.

  Tipos de bases de datos compatibles: Se puede utilizar cualquier tipo de base de datos que sea compatible con el ID de conexión. Por ejemplo:

  • Db2
  • PostgreSQL
  • MySQL

Puedes utilizar varias bases de datos del mismo tipo; sin embargo, en un experimento solo se puede utilizar una única conexión a la base de datos.

El flujo de datos del experimento varía en función de si se utilizan documentos de entrada, un índice vectorial o una base de datos relacional SQL.

Para añadir una base de conocimientos a tu experimento RAG, consulta:

• Uso de bases de conocimiento de almacenamiento vectorial en experimentos AutoAI RAG
• Uso de bases de conocimiento SQL en experimentos AutoAI RAG