Espansione della query
Parafrasa l'input dell'utente in molteplici query alternative per migliorare la ricerca semantica nella knowledgebase utilizzando un prompt LLM.
Panoramica del Workflow di Ricerca Semantica
Questo workflow, intitolato “Ricerca Semantica”, consente agli utenti di cercare informazioni all’interno della propria knowledgebase privata sfruttando modelli linguistici avanzati e tecniche di ricerca semantica. È progettato per eseguire una scansione su tutti i domini programmati, documenti e sezioni Q&A, automatizzando il recupero delle informazioni più rilevanti in risposta alle query degli utenti.
Interazione Utente e Messaggio di Benvenuto
Quando un utente apre l’interfaccia chat, il workflow attiva un messaggio di benvenuto:
- Message Widget visualizza:
👋 Benvenuto nello strumento di ricerca della knowledgebase privata!
Sono qui per aiutarti a cercare tra i documenti della tua knowledgebase privata 📚. Scansionerò tutti i domini programmati, i documenti privati e le sezioni Q&A per trovare le informazioni di cui hai bisogno.
Inserisci semplicemente la tua query e iniziamo a trovare le risposte! ✨🔍
Questo messaggio amichevole aiuta gli utenti a orientarsi e li guida nell’inserimento della query di ricerca.
Elaborazione ed Espansione della Query
Input Utente:
L’utente invia una query tramite il campo di input della chat.Espansione della Query:
- La query viene inviata a un componente di Espansione della Query.
- Alimentato da un modello linguistico OpenAI (specificamente,
gpt-4o-mini), questo componente genera fino a tre query parafrasate o semanticamente simili. - L’obiettivo è aumentare le possibilità di recuperare tutti i documenti rilevanti, anche quando la formulazione iniziale della query è ambigua o limitata.
| Componente | Scopo |
|---|---|
| Chat Input | Raccoglie la domanda di ricerca dell’utente |
| OpenAI LLM (gpt-4o-mini) | Genera formulazioni alternative della query |
| Espansione della Query | Produce fino a 3 varianti di query per la ricerca |
Recupero Documenti
- Le query espanse vengono inviate a un Document Retriever.
- Questo componente cerca nella knowledgebase privata dell’utente, inclusi domini programmati, documenti e sezioni Q&A.
- Recupera fino a 10 dei documenti più rilevanti, concentrandosi sul contenuto all’interno degli header
<H1>per massimizzare la rilevanza contestuale.
Presentazione dei Risultati
- I documenti recuperati sono inviati a un Document Widget, che li formatta e li presenta in modo adatto alla chat.
- I risultati finali compilati vengono mostrati all’utente nell’interfaccia chat.
| Fase | Componente | Tipo di Output |
|---|---|---|
| Recupero Documenti | Document Retriever | Documenti grezzi |
| Formattazione Risultati | Document Widget | Messaggio |
| Visualizzazione Utente | Chat Output | Messaggio chat |
Diagramma del Workflow
flowchart LR
A[Chat Opened] --> B[Welcome Message]
B --> C[User Query Input]
C --> D[Query Expansion\n(OpenAI LLM)]
D --> E[Document Retriever]
E --> F[Document Widget]
F --> G[Chat Output]
Vantaggi e Casi d’Uso
- Automazione: Il workflow automatizza la ricerca semantica, risparmiando lavoro manuale e garantendo un’esperienza sempre amichevole e guidata per l’utente.
- Scalabilità: Espandendo le query e cercando su tutte le fonti rilevanti, il workflow offre una copertura robusta, rendendolo adatto a knowledgebase ampie o complesse.
- Precisione: Sfruttare gli LLM per la parafrasi riduce il rischio di perdere informazioni a causa della formulazione della query.
- Esperienza Utente: Feedback immediato e istruzioni chiare rendono lo strumento facile da usare anche per utenti non tecnici.
Tipici casi d’uso:
- Gestione interna della conoscenza per team di supporto
- Portali di ricerca FAQ e documenti a livello aziendale
- Assistenti automatici per dataset privati o proprietari
Integrando la ricerca semantica con l’espansione delle query alimentata dagli LLM, questo workflow garantisce agli utenti un accesso efficiente alle conoscenze rilevanti, aumentando produttività e scoperta delle informazioni.
