Informationen zur Kontexterstellung

UiPath® Die Kontexterschließung ist eine Komponente des UiPath AI Trust Layer, mit der Sie Ihre Daten einbringen können, um genauere und zuverlässigere GenAI-Vorhersagen zu generieren. Die Kontexterschließung wurde entwickelt, um Ihre Geschäftsdaten LLM-fähig zu machen, ohne dass ein zusätzliches Abonnement für Einbettungsmodelle, Vektordatenbanken oder Large Language Models (LLMs) erforderlich ist. Sie können repräsentative Indizes und Einbettungen von Geschäftsdaten erstellen, auf die UiPath GenAI-Funktionen zur Laufzeit für kontextbezogenen Nachweis verweisen können.

Kontexterstellungist ein mandantenbezogener Plattformdienst, der UiPath GenAI-Erfahrungen (z. B. GenAI-Aktivitäten) unterstützt, indem Benutzeraufforderungen mit relevanten Informationen verknüpft werden, bevor sie vom LLM über Retrieval Erweiterte Generierung (RAG) ausgeführt werden.

Die Bereitstellung von RAG als Dienst für UiPath GenAI-Erfahrungen hilft:

• Überschreiben Sie Einschränkungen bei LLM-Kontextfenstern: Sowohl bei kleinen als auch bei großen Modellen hilft RAG, die Genauigkeit, Zuverlässigkeit, Skalierbarkeit und Effizienz der Modelle zu verbessern, während sie mit Wissensdatenbanken interagieren.

• Reduzieren Sie das Risiko von Wahrsagen durch Verweis auf Ground Truth-Datenspeicher.

• Geben Sie generativen Apps Zugriff auf spezialisierte und proprietäre Wissensquellen.

• Gewähren Sie generativen Apps Zugriff auf aktuelle Informationsquellen.

• Aktivieren Sie positive Feedback-Schleifen zwischen Datenspeichern und Benutzerabfragen.

Zu den Terminologie- und Kernkomponenten der Kontexterstellung gehören:

Abbildung 1. Kontextgrundlage für die Komponentenarchitektur

Erfassung und Indizierung: Machen Sie Ihre Geschäftsdaten LLM-fähig

• Erfassung : Konvertieren Sie Geschäftsdaten mithilfe von UiPath -verwalteten Einbettungsmodellen in repräsentative Einbettungen.
• Einbetten: Eine Darstellung von Geschäftsdaten, die ein LLM verstehen und durchsuchen kann.
• Index: Ein Ordner in einer Vektordatenbank, der die Einbettungen organisiert.
• Vektor-DBs: Von UiPath verwaltete Vektordatenbank, die Einbettungen in Indizes organisiert speichert.

Semantische Ähnlichkeitssuche

• Durchsuchen Sie LLM-fähige Geschäftsdaten, um die relevantesten Informationen zu finden.
• Interpretieren Sie eine Eingabeaufforderung als Abfrage, um Einbettungen zu durchsuchen und die relevantesten Ergebnisse basierend auf der Cosinus-Ähnlichkeitssuche zu generieren. Diese Suchergebnisse sind ein Zwischenschritt, der der RAG vorausgeht, um Prompts mit relevantem Kontext aus Geschäftsdaten zu erweitern.

RAG

• Grundlegende und aktualisieren Sie Eingabeaufforderungen mit den relevantesten Informationen aus den Ergebnissen der semantischen Ähnlichkeitssuche und führen Sie dann eine Generierung über ein LLM aus, das über das LLM-Gateway des AI Trust Layer gehostet wird.

Weitere Informationen finden Sie auf den folgenden Seiten:

• Best Practices
• Allgemeine Muster zur Kontexterstellung

Kernfunktionen

Hier sind einige der wichtigsten Funktionen der Kontextgrundlage:

• Unterstützung für mehrere Dokumente: PDF-, JSON- und CSV- Dateien werden derzeit unterstützt, weitere Formate sind in Planung.
• Verwaltete Erfassungs- und Indizierungspipelines: UiPath optimiert die Erfassung und Indizierung von Daten in UiPath-verwalteten Vektordatenbanken.
• Mehrere Oberflächen: Derzeit als Teil der UiPath GenAI-Aktivitäten und des AI Trust Layer verfügbar.
• Semantische Ähnlichkeitssuche: Abfragen innerhalb von Dokumenten oder über Datasets hinweg mithilfe verschiedener Techniken (z. B Abfragetransformation, Einbettung, Feinabstimmung usw.), um sicherzustellen, dass die Suchergebnisse hoch relevant sind.
• Abrufen erweiterter Generierung: Grundlegende Eingabeaufforderungen über Just-in-Time-In-Memory oder über eine Wissensdatenbank.
• Wissensnachweis: Stellt ein Zitat der Referenzquelle und des Texts aus der semantischen Ähnlichkeitssuche bereit.
• Streaming-Unterstützung: API-Unterstützung für Streaming, um die Generierung während der Produktion anzuzeigen.

• Datenquellen: UiPath Orchestrator-Bucket-Entitäten: Daten, die in freigegebenen Ordnern in Orchestrator-Bucket-Entitäten gespeichert sind, können erfasst, indiziert und abgefragt werden.

• Mehrsprachige Unterstützung: Möglichkeit der Erfassung und Abfrage von Dokumenten in allen UTF-8-codierten Sprachen.

• Unterstützung für mehrere Datenquellen:
  • UiPath Orchestrator Bucket-Entitäten: Daten, die in freigegebenen Ordnern in Orchestrator Bucket-Entitäten gespeichert sind, können erfasst, indiziert und abgefragt werden.
  • Integration Service-Connectors wie Microsoft OneDrive & SharePoint und Google Drive: Kontexterstellung kann direkt auf Daten zugreifen, die in Dokumentspeichersystemen gespeichert sind.

Einschränkungen

• Die Kontexterstellung unterstützt derzeit die Dateitypen PDF, JSON und CSV.
• Es gibt ein Limit von zehn Indizes pro Mandant. Wir empfehlen Ihnen, eine 1:1-Beziehung mit diesen und den Orchestrator-Buckets beizubehalten, in denen Sie die Geschäftsdaten hochladen, in denen Kontextgrundlage verwendet werden soll. Das bedeutet, dass Sie zehn Orchestrator-Buckets pro Mandant hochladen, erfassen und abfragen können.
• Um die Kontexterstellung über UiPath GenAI-Aktivitäten zu verwenden, müssen Sie Studio Web oder Studio Desktop mit Version 2024.4 oder höher verwenden. Weitere Informationen finden Sie im Abschnitt Erste Schritte .