Contexto

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.

Uso de índices em agentes

Os índices dão aos agentes acesso a bases de conhecimento com permissão. Isso ajuda os agentes a raciocinar usando dados específicos de negócios. Para obter orientação sobre o aproveitamento eficaz do contexto, consulte Melhores práticas para engenharia de contexto.

Para configurar um modelo personalizado para funcionalidades de contextualização, consulte Configuração de LLMs.

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. Selecione um índice na lista disponível ou Criar um novopara criar um novo índice no Orchestrator. Para obter detalhes, consulte Índices.
3. Forneça uma Descrição para o seu contexto.
4. Configure a Estratégia de Pesquisar usando o painel de propriedades. Você pode controlar o tipo de consulta, a precisão e a relevância do contexto usando as seguintes configurações:
   • Semântica: selecione esta opção para consultas semânticas se você estiver usando fontes de dados de texto.
     • Limiar de pontuação de relevância: refere-se a um limiar de pontuação de similaridade aplicado após a recuperação e a reclassificação de partes relevantes. Quaisquer partes relevantes pontuadas abaixo desse limiar não são retornadas. Use esse campo para tornar os resultados mais precisos. À medida que esse número aumenta, a contextualização filtra e fundamenta solicitações apenas com as melhores pontuações.
     • Resultados máximos gerados: refere-se ao número de partes retornadas pela contextualização a partir da consulta de um usuário. Isso ajuda a tornar a carga de fundamentação da geração de LLM (tamanho geral do token da chamada de LLM) menor e pode ajudar a atuar como um filtro adicional nos resultados que você obtém da Contextualização. O aumento do número de resultados aumenta a quantidade de partes retornadas.
     • Consulta – A consulta para a estratégia de pesquisa. Esse campo é compatível com valores estáticos, modos Estático, Argumento, Dinâmico.
   • Estruturado (Visualização): selecione essa opção para consultas estruturadas se estiver usando fontes de dados tabulares. Suporta o formato de dados CSV.
   • DeepRAG: selecione esta opção para habilitar a síntese e recuperação avançadas de vários documentos. Para obter detalhes, consulte Como usar o DeepRAG.
     • Habilitar citações – habilitar para citações para consultas DeepRAG.
     • Solicitação – A solicitação para a consulta do DeepRAG. Esse campo é compatível com valores estáticos, modos Estático, Argumento, Dinâmico.
5. Limite o escopo da pesquisa usando as seguintes configurações:
   • Prefixo do caminho de pasta – Use esse campo para especificar o caminho da pasta onde seus documentos de destino são armazenados. Você pode inserir manualmente um caminho estático, como /documents/project, ou usar um argumento dinâmico, permitindo que o agente pesquise diferentes pastas com base em entradas do runtime.
   Observação:

   Por padrão, apenas arquivos localizados diretamente na pasta especificada são indexados. Os arquivos armazenados em subpastas não são incluídos automaticamente. Para incluir arquivos de subpastas, acrescente /** ao caminho (por exemplo, /documents/project/**). Se os arquivos em subpastas não estiverem incluídos, você pode ver o seguinte erro: "Nenhum arquivo válido para usar para DeepRAG. Atualize e ressincronize seu índice ou use um padrão de correspondência diferente."

   • Extensão do arquivo – Selecione os tipos de arquivo contidos no índice. Para o DeepRAG, apenas arquivos PDF são compatíveis.

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.
   Observação:

   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.
   Observação:

   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.