Den største utfordringen for KI pleide å være tendensen til å presentere vage, utdaterte eller rett og slett feilaktige opplysninger. Alle disse problemene skyldes enkelt og greit manglende tilgang til relevant kunnskap. Tidligere krevde det å løse dette problemet at man trente hele modellen på nytt, noe som var utenkelig for de fleste virksomheter, for ikke å snakke om enkeltpersoner. Men det finnes en annen tilnærming, som lar deg ganske enkelt peke modellene til de riktige kunnskapskildene underveis.

Denne tilnærmingen kalles Retrieval-Augmented Generation (RAG), og gjør det mulig å tilføre generative modeller ekstra kunnskap i sanntid, uten tekniske ferdigheter eller behov for å trene hele modeller. Hentekomponentene, inkludert GoogleSearch, lar deg bruke denne metoden enkelt.

Hva er GoogleSearch-komponenten?

Denne komponenten lar flowen hente kunnskap ved å søke på Google etter relevant innhold. Den spesifiserer søkespørringen og bestemmer hvordan flowen henter informasjonen. Den kan brukes sammen med andre hentekomponenter for å forbedre det endelige svaret.

Eksempler på brukstilfeller

• Faktasjekk i sanntid: Bruk komponenten til å verifisere påstander eller hente de siste nyhetsartiklene om et tema.
• Innholdsberikelse: Hent automatisk inn relevante eksterne ressurser for dokumentberikelse.
• AI-agenter: Gi samtaleagenter mulighet til å hente inn fersk kunnskap fra nettet. Domene-spesifikt søk: Begrens søk til bestemte nettsteder ved hjelp av spørreprefix-funksjonen (f.eks. site:arxiv.org for akademiske artikler).

Hvorfor bruke denne komponenten?

• Hold deg oppdatert: Få tilgang til den nyeste informasjonen fra nettet, og overvinn begrensningene ved statisk treningsdata.
• Fleksibel konfigurasjon: Tilpass søket til ditt land, språk og lokasjon.
• Integrering i arbeidsflyt: Utdata er kompatible med andre komponenter, noe som gjør det enkelt å bygge komplekse, kunnskapsdrevne AI-prosesser.
• Caching: Forbedrer effektiviteten ved å unngå unødvendige søk når samme spørring gjentas.

Inndata-spørring

Angir spørringen som brukes for å finne relevant informasjon. Den kan kobles fra en komponent, som Chat Input, eller legges inn manuelt.

Resultatbegrensning

Denne innstillingen begrenser antall lenker som gjennomsøkes for informasjon. Google har omfattende algoritmer for å rangere resultater og sikre at de øverste er mest relevante for spørringen. De fem øverste resultatene bør være tilstrekkelig for at flowen skal finne relevant informasjon og gi et meningsfullt svar på de fleste spørsmål.

Språk

Hvis nettstedet ditt er på et bestemt språk, vil det være mer til skade enn nytte om chatboten returnerer resultater på engelsk. Dessuten kan nisje- og lokale temaer gi mer relevante resultater når de søkes på riktig språk.

Land

Å angi land er en ekstra sikkerhet for relevante resultater. Tenk deg at du har en chatbot for økonomiske råd, og en bruker spør om skatteregler. Kun å angi språk kan føre til at en person fra Storbritannia får informasjon om amerikanske skatteregler, noe som kan føre til forvirring og frustrasjon.

Lokasjon

Denne valgfrie innstillingen lar deg begrense resultatene ytterligere. Å returnere resultater som kun er relevante for en bestemt by eller region, kan være nyttig for enkelte brukstilfeller.

Spørreprefix

Spørreprefix er bestemte ord eller symboler du kan bruke for å begrense hvilke typer resultater du ønsker. For eksempel kan du bruke prefikset “daterange:” for å sikre at resultatene er ferske, eller “filetype:” om du ønsker et spesifikt filformat. Google støtter en rekke slike prefix, som gir deg stor kontroll over de returnerte resultatene.

Hvordan koble GoogleSearch-komponenten til din flow

Komponenten har kun ett inn- og ett utgangshåndtak:

• Inndata-spørring: Spørringen kan være hvilken som helst tekstutgang. Vanlige brukstilfeller er å koble til Chat Input eller en Generator.
• Utgang: Utgangen fra enhver retriever-komponent er alltid et dokument.

Dokumentutgangen kan kun leses av Document to Text- og Widget-komponenter. Disse gjør råsøkeresultater om til en presentabel form klar for utgang.

Lage en flow med GoogleSearch

La oss lage en enkel chatbot som bruker Google Search som hovedkilde til kunnskap.

1. Start som vanlig med Chat Input.
2. Koble inngangen til GoogleSearch-komponenten, slik at menneskelig spørring blir søkeprompten.
3. Transformer retriever-utgangen. Utgangen er en URL-post; vi ønsker å gjøre den om til ren tekst. Bruk URL Retriever-komponenten.
4. Du kan eventuelt legge til Prompt og Chat-historikk. Vi gjør dette, da det gir et penere og mer samtalepreget utgang.
5. Koble til Generator for å legge til en LLM i miksen.
6. Du er klar til å gi utgang.

Her er vår resulterende flow:

La oss spørre GoogleSearch-boten hva den beste KI-modellen er:

Boten returnerer en liste over de beste modellene, kommenterer hver av dem og lister opp kildene. Vi har bevisst begrenset lengden på utgangen slik at den passer i chatvinduet. Resultatet kan imidlertid være langt mer omfattende enn dette.