Den største udfordring for AI har tidligere været dens tendens til at give vage, forældede eller direkte forkerte informationer. Alle disse problemer skyldes simpelthen manglende adgang til relevant viden. Tidligere krævede det at træne hele modellen på ny for at løse dette problem, hvilket var utænkeligt for de fleste virksomheder, for slet ikke at tale om enkeltpersoner. Men der findes en anden tilgang, hvor du bare kan pege modellerne mod de rigtige videnskilder undervejs.

Denne tilgang kaldes Retrieval-Augmented Generation (RAG), og den gør det muligt at levere generative modeller med ekstra viden undervejs uden tekniske færdigheder eller behov for at træne hele modeller. Hentningskomponenterne, herunder GoogleSearch, gør det nemt at bruge denne metode.

Hvad er GoogleSearch-komponenten?

Denne komponent gør det muligt for flowet at hente viden ved at søge på Google efter relevant indhold. Den specificerer søgeforespørgslen og bestemmer, hvordan flowet henter informationen. Den kan bruges sammen med andre hentningskomponenter for at forbedre det endelige svar.

Eksempel på anvendelser

• Faktatjek i realtid: Brug komponenten til at verificere påstande eller hente de seneste nyhedsartikler om et emne.
• Indholdsberigelse: Hent automatisk relevante eksterne ressourcer til at berige dokumenter.
• AI-agenter: Giv samtaleagenter mulighed for at hente ny viden fra nettet. Domænespecifik søgning: Begræns søgninger til bestemte hjemmesider ved hjælp af forespørgsels-præfikser (f.eks. site:arxiv.org for videnskabelige artikler).

Hvorfor bruge denne komponent?

• Forbliv opdateret: Få adgang til de nyeste informationer fra nettet og overvind begrænsningerne ved statiske træningsdata.
• Fleksibel konfiguration: Tilpas søgningen til dit lands, sprogs og placeringens behov.
• Workflow-integration: Outputs er kompatible med andre komponenter, hvilket gør det nemt at bygge komplekse, vidensdrevne AI-processer.
• Caching: Øger effektiviteten ved at undgå gentagne søgninger, når samme forespørgsel gentages.

Inputforespørgsel

Angiver den forespørgsel, der bruges til at slå relevant information op. Den kan kobles fra en komponent, såsom Chat Input, eller indtastes manuelt.

Resultatbegrænsning

Denne indstilling begrænser antallet af links, der gennemsøges for information. Google har omfattende algoritmer til at rangere resultaterne og sikre, at de øverste er de mest relevante for forespørgslen. De øverste fem resultater bør være nok for flowet til at hente relevant information og give et meningsfuldt svar på de fleste forespørgsler.

Sprog

Hvis din hjemmeside er på et bestemt sprog, vil en chatbot, der returnerer resultater på engelsk, gøre mere skade end gavn. Derudover kan niche- og lokale emner give mere relevante resultater, når der søges på det rigtige sprog.

Land

At angive landet er endnu en måde at sikre relevante resultater på. Forestil dig, at du har en chatbot, der giver finansiel rådgivning, og en bruger spørger om skattelovgivning. Hvis kun sproget indstilles, kan en person fra Storbritannien få information om amerikanske skattelove, hvilket fører til forvirring og frustration.

Placering

Denne valgfrie indstilling gør det muligt at indsnævre resultaterne yderligere. Det kan være nyttigt i nogle tilfælde kun at returnere resultater, der er relevante for en bestemt by eller region.

Forespørgsels-præfiks

Forespørgsels-præfikser er specifikke ord eller symboler, du kan bruge til at indsnævre typen af resultater. For eksempel kan du bruge præfikset “daterange:” for at sikre, at resultaterne er aktuelle, eller “filetype:”, hvis du ønsker et bestemt filformat. Google understøtter en række af disse præfikser, hvilket giver stor kontrol over de returnerede resultater.

Sådan forbinder du GoogleSearch-komponenten til dit flow

Komponenten har kun én input- og én output-forbindelse:

• Inputforespørgsel: Forespørgslen kan være enhver tekst-output. Typiske anvendelser er at forbinde Chat Input eller en Generator.
• Output: Outputtet fra enhver hentnings-komponent er altid et Dokument.

Dokument-outputtet kan kun læses af Document to Text- og Widget-type komponenter. Disse omdanner de rå søgeresultater til en præsentabel form klar til output.

Opret et Flow med GoogleSearch

Lad os lave en simpel chatbot, der bruger Google Search som sin primære videnskilde.

1. Start som altid med Chat Input.
2. Forbind inputtet til GoogleSearch-komponenten, så det menneskelige spørgsmål bliver søgeprompten.
3. Omdan retriever-outputtet. Outputtet er en URL-record; vi vil have det som almindelig tekst. Brug URL Retriever-komponenten.
4. Du kan valgfrit tilføje Prompt og Chat-historik. Vi gør det, da det gør outputtet pænere og mere samtalebetonet.
5. Forbind Generator for at tilføje en LLM til flowet.
6. Nu er du klar til at outputte.

Her er vores resulterende Flow:

Lad os spørge GoogleSearch-botten, hvad den bedste AI-model er:

Botten returnerer en liste over de bedste modeller, kommenterer på hver og angiver kilderne. Vi har bevidst begrænset længden på outputtet, så det passer i chatvinduet. Resultatet kan dog sagtens være endnu mere udførligt end dette.