Contextes

Add an index or a set of Data Fabric entities as an agent context, then configure its search strategy, scope, or entity type to control what your agent retrieves.

Utiliser des index dans les agents

Les index permettent aux agents d'accéder aux bases de connaissances nécessitant une autorisation. Cela aide les agents à raisonner en utilisant des données spécifiques au métier. Pour obtenir des conseils sur l'exploitation efficace du contexte, consultez la section Meilleures pratiques en matière d'ingénierie contextuelle.

Pour configurer un modèle personnalisé pour les fonctionnalités d'ancrage dans le contexte, reportez-vous à Configuration des LLM.

To add an index as context for your agent, take the following steps in the Contexts section:

1. Select Add context, then select Context Grounding Indexes.
2. Sélectionnez un index dans la liste disponible ou sélectionnez Create new (Créer nouveau) pour créer un nouvel index dans Orchestrator. Pour de plus amples informations, consultez la section Index.
3. Fournissez une Description de votre contexte.
4. Configurez la stratégie de recherche à l’aide du panneau Propriétés. Vous pouvez contrôler le type de requête, la précision et la pertinence du contexte à l’aide des paramètres suivants :
   • Semantic (Sémantique) : sélectionnez cette option pour les requêtes sémantiques si vous utilisez des sources de données textuelles.
     • Relevance score threshold (Seuil de la note de pertinence) : désigne le seuil de la note de similarité appliqué après la récupération et le reclassement des blocs pertinents. Les blocs pertinents dont la note est inférieure à ce seuil ne sont pas retournés. Utilisez ce champ pour obtenir des résultats plus précis. Lorsque vous augmentez ce nombre, l'ancrage dans le contexte filtre et ancre uniquement les requêtes qui possèdent les meilleures notes.
     • Résultats maximaux générés : fait référence au nombre de segments renvoyés par ancrage dans le contexte à partir de la requête d'un utilisateur. Cela permet de réduire la charge utile d'ancrage dans le contexte de la génération LLM (taille globale du jeton de l'appel LLM) et peut servir de filtre supplémentaire sur les résultats que vous obtenez du service Ancrage dans le contexte. L'augmentation du nombre de résultats augmente le nombre de blocs retournés.
     • Requête : la requête de la stratégie de recherche. Ce champ prend en charge les valeurs statiques, ainsi que les modes Statique, Argument et Dynamique.
   • Structuré (Aperçu) : sélectionnez cette option pour les requêtes structurées si vous utilisez des sources de données tabulaires. Prend en charge le format de données CSV.
   • DeepRAG : sélectionnez cette option pour activer la synthèse et la récupération avancées de plusieurs documents. Pour des détails, reportez-vous à Utilisation de DeepRAG.
     • Activer les citations – Activer les citations pour les requêtes DeepRAG.
     • Invite : L'invite utilisée pour la requête DeepRAG. Ce champ prend en charge les valeurs statiques, ainsi que les modes Statique, Argument et Dynamique.
5. Limitez l'étendue de la recherche à l'aide des paramètres suivants :
   • Préfixe du chemin de dossier : utilisez ce champ pour spécifier le chemin du dossier dans lequel vos documents cibles sont stockés. Vous pouvez entrer manuellement un chemin statique, tel que /documents/project, ou utiliser un argument dynamique, ce qui permet à l’agent de rechercher différents dossiers en fonction des entrées d’exécution.
   Remarque :

   Par défaut, seuls les fichiers situés directement dans le dossier spécifié sont indexés. Les fichiers stockés dans les sous-dossiers ne sont pas inclus automatiquement. Pour inclure des fichiers de sous-dossiers, ajoutez /** au chemin (par exemple, /documents/project/**).Si les fichiers dans les sous-dossiers ne sont pas inclus, l'erreur suivante peut s'afficher: « Aucun fichier valide à utiliser pour DeepRAG.Veuillez mettre à jour et resynchroniser votre index ou utiliser un modèle de correspondance différent. »

   • Extension de fichier : sélectionnez les types de fichiers contenus dans l'index. Pour DeepRAG, seuls les fichiers PDF sont pris en charge.

Using Data Fabric entities in agents

Besides indexes, agents can use Data Fabric entities directly as context. This lets an agent query a system of record directly from enterprise systems, and reason over the current values without you having to create or maintain an index.

Native and Federated entity types are supported to be added as a context. A Native entity stores its records in UiPath, while a Federated entity holds no data of its own and reads live from an external system or from a Native entity each time it's queried. For a full comparison of what each type supports, refer to Entity types. For details on creating and configuring entities, refer to Creating an entity.

To add a Data Fabric entity set as a context for your agent, take the following steps in the Contexts section:

1. Select Add context, then select Data Fabric Entities.
   Remarque :

   This view displays folder-level entities only.

2. Search for and select up to five entities from the list. Entities are grouped into In current solution and Available resources, and each shows a Native or Federated label. You can optionally use the View button to view an entity's details.
3. Select Add to add the selected entities to your agent.
   Remarque :

   Federated entities that connect to an external system may have required parameters, depending on what that system's connector needs to read data. If the entity you added has any, its properties panel lists them. Enter the values for required parameters before the agent can query that entity.

The entities appear as context for your agent, each carrying its Native or Federated label and ready to be queried.