À propos de l'ancrage dans le contexte

UiPath® L'ancrage dans le contexte est un composant de UiPath AI Trust Layer qui vous permet d'intégrer vos données afin de générer des prédictions GenAI plus précises et plus fiables. L'ancrage dans le contexte a été conçu afin que vos données d'entreprise soient compatibles LLM sans nécessiter d'abonnement supplémentaire aux modèles d'intégration, aux bases de données de vecteurs ou aux modèles LLM (Large Language Model). Vous pouvez créer des index et des intégrations de données d'entreprise représentatifs que les fonctionnalités d'UiPath GenAI peuvent référencer pour des preuves contextuelles au moment du runtime.

L'ancrage en contexteest un service de plate-forme à l'échelle du locataire conçu pour prendre en charge les expériences UiPath GenAI (telles que les activités GenAI) en ancréant les invites des utilisateurs avec des informations pertinentes avant qu'elles ne soient exécutées par le LLM via la génération assistée de récupération (RAG).

L'ajout de RAG en tant que service aux expériences UiPath GenAI permet de :

• Contourner les limitations de la fenêtre contextuelle LLM : pour les petits et les grands modèles, RAG permet d’améliorer la précision, la fiabilité, l’évolutivité et l’efficacité des modèles lorsqu’ils interagissent avec les bases de connaissances.

• Réduisez le risque d'abus en faisant référence aux magasins de données sur la vérité terrain.

• Accordez aux applications génératives l'accès à des sources de connaissances spécialisées et propriétaires.

• Accordez aux applications génératives l'accès aux sources d'informations actualisées.

• Activer les boucles de commentaires positifs entre les magasins de données et les requêtes des utilisateurs.

La terminologie et les composants de base de l'ancrage dans le contexte comprennent :

Figure 1. Architecture de composant Ancrage dans le contexte

Ingestion et indexation : tenez vos données d'entreprise compatibles LLM

• Ingestion: convertissez les données d'entreprise en intégrations représentatives à l'aide de modèles d'intégration gérés par UiPath.
• Incorporation(Embedded) : une représentation de données d'entreprise qu'un LLM peut comprendre et parcourir.
• Index: un dossier dans une base de données de vecteurs qui organise les intégrations.
• Bases de données de vecteurs : Base de données de vecteurs gérée par UiPath qui stocke les intégrations organisées en index.

Recherche de similarité sémantique

• Effectuez une recherche dans les données métier compatibles LLM pour trouver les informations les plus pertinentes.
• Interpréter l’invite en tant que requête pour effectuer une recherche dans les intégrations et générer les résultats les plus pertinents en fonction de la recherche de similarité cosine. Ces résultats de recherche constituent une étape intermédiaire et préliminaire au RAG afin d’ajouter un contexte pertinent à partir des données de l’entreprise.

RAG

• Ancrez et mettez à jour les invites avec les informations les plus pertinentes à partir des résultats de la recherche de similitude sémantique, puis exécutez une génération via un LLM hébergé via la passerelle LLM de AI Trust Layer.

Pour plus d'informations, consultez les pages suivantes :

• Meilleures pratiques
• Modèles d’ancrage dans le contexte commun

Fonctionnalités de base

Voici quelques-unes des principales fonctionnalités de l'ancrage dans le contexte:

• Prise en charge multi-documents: les fichiers PDF, JSON et CSV sont actuellement pris en charge, et davantage de formats sont prévus.
• Ingestion et pipelines d'indexation gérés : UiPath optimise l'ingestion et l'indexation des données dans les bases de données de vecteurs gérées par UiPath.
• Plusieurs fenêtres : actuellement disponible dans le cadre des activités UiPath GenAI et AI Trust Layer.
• Recherche de similarité sémantique: effectuez des requêtes dans les documents ou entre les ensembles de données à l'aide de diverses techniques (par ex. transformation des requêtes, intégration, ajustement, etc.) pour s’assurer que les résultats de recherche soient très pertinents.
• Génération augmentée de récupération: ancrage des invites via une base de connaissances « juste à temps » (just-in-time) ou une base de connaissances.
• Prend de la connaissance: fournit une citation de la source de référence et du texte à partir de la recherche de similarité sémantique.
• Prise en charge du flux : prise en charge de l'API de flux pour afficher la génération telle qu'elle est en cours de production.

• Sources de données: Entités de compartiment UiPath Orchestrator : les données stockées dans les dossiers partagés des entités de compartiment Orchestrator peuvent être ingérées, indexées et interrogées.

• Prise en charge multilingue : capacité à ingérer et à interroger à partir de documents dans toutes les langues codées en UTF-8.

• Prise en charge de plusieurs sources de données:
  • Entités de compartiment UiPath Orchestrator : les données stockées dans les dossiers partagés des entités de compartiment Orchestrator peuvent être ingérées, indexées et interrogées.
  • Les connecteurs Integration Service, tels que Microsoft OneDrive & SharePoint et Google Drive : l'ancrage en contexte peuvent accéder directement aux données stockées dans les systèmes de stockage de documents.

Limitations

• L'ancrage dans le contexte prend actuellement en charge les types de fichiers PDF, JSON et CSV.
• La limite est de dix index par locataire. Nous vous recommandons de conserver une relation 1-1 avec ces derniers et les compartiments Orchestrator dans lesquels vous téléchargez les données d'entreprise que vous souhaitez que l'ancrage dans le contexte utilise. Cela signifie que vous pouvez télécharger, ingérer et interroger à partir de dix compartiments Orchestrator par locataire.
• Pour utiliser l'ancrage dans le contexte via les activités UiPath GenAI, vous devez utiliser Studio Web ou Studio Desktop version 2024.4 ou une version plus récente. Pour plus d'informations, consultez la section Premiers pas.