Informationen zur Kontexterstellung

Die Kontextgrundlage ist eine Komponente des UiPath AI Trust Layer, das Ihre Geschäftsdaten LLM-fähig macht – ohne zusätzliche Abonnements für Einbettungsmodelle, Vektordatenbanken oder LLMs. Sie erstellt Indizes und Einbettungen Ihrer Daten, auf die UiPath GenAI-Funktionen zur Laufzeit über Retrieval Augmented Generation (RAG) verweisen können.

Als RAG-as-a-Service mit Mandanten untermauert die Kontextgrundlage Ihre Eingabeaufforderungen mit relevanten Informationen vor der LLM-Ausführung. Es unterstützt die folgenden generativen KI-Erfahrungen von UiPath:

• GenAI-Aktivitäten
• Autopilot for Everyone
• UiPath-Agents

Die Bereitstellung von RAG für diese Umgebungen trägt dazu bei:

• Überwinden Sie Kontextfensterbeschränkungen, und verbessern Sie die Modellgenauigkeit, Zuverlässigkeit und Effizienz.
• Reduzieren Sie das Halluzinationsrisiko durch Verweise auf Ground-Truth-Daten.
• Gewähren Sie generativen Apps Zugriff auf spezialisiertes, proprietäres und aktuelles Wissen.
• Aktivieren Sie Feedbackschleifen zwischen Datenspeichern und Benutzerabfragen.

Kernkomponenten

Die Terminologie und die Kernkomponenten von Kontextgrundlage umfassen:

Abbildung 1. Architektur der Kontextgrundlagenkomponente

Erfassung und Indizierung

• Erfassung: Konvertiert Geschäftsdaten in repräsentative Einbettungen mithilfe von UiPath-verwalteten Einbettungsmodellen.
• Einbettung: Eine Darstellung von Geschäftsdaten, die ein LLM verstehen und durchsuchen kann.
• Index: Ein Ordner in einer Vektordatenbank, der Einbettungen organisiert.
• Vektor-DB: Eine von UiPath verwaltete Vektor-Datenbank, die in Indizes organisierte Einbettungen speichert.

Abruf

Die Kontextgrundlage durchsucht LLM-fähige Geschäftsdaten, um die relevantesten Informationen zu finden. Dabei werden Extraktions-, Chunking-, Abruf- und Neuklassifizierungstechniken verwendet, die für verschiedene Datenformate und Abfragen optimiert sind. GenAI-Aktivitäten, Autopilot for Everyone und Agents interpretieren Prompts als Abfragen und geben die relevantesten Ergebnisse über die Cosinus-Ähnlichkeitssuche zurück – ein Zwischenschritt vor der RAG.

Erweiterte Generation (RAG)

Grundiert Prompts mit den relevantesten Informationen aus Suchergebnissen für semantische Ähnlichkeit und führt dann die Generierung über ein LLM aus, das über das LLM-Gateway des AI Trust Layer gehostet wird.

DeepRAG (Deep Research – Augmented Generation)

Eine erweiterte RAG-Funktion, die allgemein für Agents verfügbar ist und die die Zusammenfassung und den Abruf mehrerer Dokumente für komplexe Anwendungsfälle von Agents ermöglicht. Agents können Informationen aus mehreren Dokumenten zusammenführen und umfassende, auf Zitate basierende Antworten liefern. Wird derzeit nur für PDF-Dateien unterstützt.

Wichtige Funktionen

• Unterstützung mehrerer Dokumente: CSV, DOCX, JPG, JSON, PDF, PNG, TXT und XLSX.
• Multimodale Erfassung: Verarbeitet Dokumente, die sowohl Bilder als auch Text enthalten, einschließlich nicht nativer (gescannter) PDFs.
• Unterstützung für strukturierte Abfragen: Erweiterte CSV-Abfrage, verfügbar beim Hinzufügen eines Indexes zu einem Agenten.
• Mehrsprachige Unterstützung: Erfasst und fragt Dokumente in allen UTF-8-codierten Sprachen ab.
• DeepRAG: Zusammenfassung von mehreren Dokumenten für komplexe Agentenanfragen mit Antworten, die durch Zitate unterstützt werden. Nur für PDF-Dateien verfügbar.
• Nachweis des Wissens: Gibt die Referenzquelle und den Text aus Suchergebnissen für semantische Ähnlichkeit an.
• Benutzerdefinierte LLM-Unterstützung: Bringen Sie Ihr eigenes Modell und eigene Abonnementkonfigurationen über die AI Trust Layer mit, sodass Administratoren ihre eigenen Einbettungs- und Inferenzmodelle verwenden können. Weitere Einzelheiten dazu finden Sie unter Eigenes LLM für die Kontextgrundlage.
• Mehrere Datenquellen:
  • UiPath Orchestrator Bucket-Entitäten: Erfassen, Indexieren und Abfragen von Daten, die in freigegebenen Orchestrator-Ordnern gespeichert sind.
  • Document storage systems: Access data from Confluence Cloud, Dropbox, Google Drive, and Microsoft OneDrive & SharePoint via Integration Service connectors.

Lizenzierung

Siehe Kontextgrundlagenlizenzierung.

Einschränkungen und Überlegungen

• Unterstützte Dateitypen: CSV, DOCX, JPG, JSON, PDF, PNG, TXT und XLSX.
• Indexlimit: Zehn Indizes pro Mandant, auf Anforderung erweiterbar. Wir empfehlen eine 1:1-Beziehung zwischen Indizes und Ordnerpfaden in Ihrer Datenquelle.
• Ordnerberechtigungen: Indizes übernehmen Ordnerberechtigungen. Benutzer ohne Zugriff auf einen freigegebenen Ordner können die zugehörigen Indizes nicht anzeigen, aktualisieren, löschen oder verwenden.
• Versionsvoraussetzung in Studio: Um Kontextgrundlage über GenAI-Aktivitäten zu nutzen, müssen Sie Studio Web oder Studio Desktop Version 2024.4 oder höher verwenden. Weitere Informationen finden Sie unter Arbeiten mit Kontextgrundlage.
• Data handling: For details on how Context Grounding handles files during ingestion, including retention and deletion behavior, refer to Context Grounding FAQ.
• Data source authorization: The Integration Service connection used as a data source must be authorized with at least the Files.Read scope from the external provider. This OAuth scope is requested during connection setup and governs what Context Grounding can read from the source system (Confluence Cloud, Dropbox, Google Drive, or Microsoft OneDrive & SharePoint).