Decomposição de Consultas
A Decomposição de Tarefas divide consultas complexas em subconsultas menores, ajudando chatbots de IA a fornecer respostas mais precisas e focadas.
Descrição do componente
Como o componente Decomposição de Consultas funciona
Componente Decomposição de Consultas
Decomposição de Consultas é um componente de fluxo projetado para aumentar a precisão e a eficácia de fluxos de trabalho impulsionados por IA, dividindo consultas complexas em subconsultas distintas e gerenciáveis. Esse processo garante que cada aspecto da pergunta original do usuário seja abordado, resultando em respostas mais completas e precisas.
O Que Este Componente Faz?
A função principal do componente de Decomposição de Consultas é receber um texto de entrada—normalmente uma pergunta complexa ou com várias partes—e dividi-lo em diversas subconsultas ou alternativas. Essas subconsultas representam as partes individuais de informação que precisam ser resolvidas para responder totalmente à consulta original. Essa abordagem é especialmente útil em cenários em que uma pergunta é ampla, ambígua ou composta por vários elementos interligados.
Principais Recursos e Entradas
| Nome da Entrada | Tipo | Obrigatório | Descrição |
|---|---|---|---|
| Texto de Entrada | Message | Sim | O texto principal ou pergunta que você deseja dividir em múltiplas consultas alternativas. |
| Histórico de Chat | InMemoryChatMessageHistory | Não | Mensagens anteriores do chat para fornecer contexto e gerar subconsultas mais precisas. |
| LLM (Modelo) | BaseChatModel | Não | O modelo de linguagem utilizado para gerar consultas alternativas. |
| Incluir Consulta Original | Boolean | Não | Opção para incluir a consulta original na lista de consultas alternativas. |
| Mensagem do Sistema | String | Não | Instrução adicional de nível de sistema que pode ser adicionada ao prompt para personalizar o comportamento. |
- Texto de Entrada (obrigatório): O texto a ser analisado e decomposto. Esta é a consulta principal do usuário.
- Histórico de Chat: (opcional) Se disponível, o contexto da conversa anterior pode ser fornecido para melhorar a relevância e precisão das subconsultas geradas.
- LLM (Modelo): (opcional) Especifique qual grande modelo de linguagem (LLM) deve ser usado no processo de decomposição, permitindo integração flexível com vários modelos de IA.
- Incluir Consulta Original: (avançado, opcional) Controle se a saída também deve incluir a consulta original junto com as subconsultas geradas.
- Mensagem do Sistema: (avançado, opcional) Permite adicionar uma mensagem personalizada do sistema para direcionar a saída ou fornecer instruções adicionais ao modelo.
Saídas
- Mensagem: O componente gera um objeto de mensagem contendo a lista de consultas alternativas ou subquestões. Isso pode ser usado como entrada para as etapas subsequentes de processamento de IA, como resposta separada, recuperação ou análise adicional.
Por Que Isso É Útil?
A Decomposição de Consultas é valiosa em fluxos de trabalho de IA complexos, nos quais uma única consulta pode abranger vários tópicos ou exigir raciocínio em múltiplas etapas. Ao dividir as consultas, você pode:
- Garantir que todas as partes de uma pergunta complexa sejam abordadas.
- Facilitar buscas ou recuperação de informações mais precisas.
- Permitir processamento modular, passo a passo, em pipelines de IA.
- Melhorar a transparência e explicabilidade das respostas geradas pela IA.
Exemplos de Uso
- Suporte ao Cliente: Decompor uma solicitação extensa do cliente em problemas individuais para respostas mais direcionadas.
- Assistência em Pesquisa: Dividir uma questão ampla de pesquisa em subtemas específicos para buscas bibliográficas mais focadas.
- Raciocínio em Múltiplas Etapas: Preparar perguntas para agentes de IA que exigem resolução sequencial de problemas ou planejamento.
Tabela Resumo
| Recurso | Descrição |
|---|---|
| Entrada | Consulta complexa do usuário (texto) |
| Saída | Lista de consultas alternativas/subconsultas (como objeto de mensagem) |
| Suporte a Contexto | Sim (via histórico de chat) |
| Seleção de Modelo | Sim (LLM personalizado pode ser especificado) |
| Opções Avançadas | Incluir consulta original, mensagem do sistema personalizada |
Ao integrar a Decomposição de Consultas ao seu fluxo de trabalho de IA, você permite um tratamento mais inteligente e detalhado de consultas complexas, levando a melhores resultados e uma experiência aprimorada para o usuário.
Perguntas frequentes
- O que é o componente Decomposição de Consultas?
A Decomposição de Consultas divide consultas complexas e compostas em subconsultas simples que são mais fáceis de abordar. Assim, é possível fornecer respostas mais detalhadas e focadas.
- O que acontece se eu não usar a Decomposição de Consultas?
A Decomposição de Consultas não é necessária para todos os Fluxos. Seu uso principal é para criar bots de atendimento ao cliente e outros usos nos quais a entrada exige uma abordagem passo a passo para entradas complexas. Usar a Decomposição de Tarefas garante respostas detalhadas e altamente relevantes. Sem ela, o bot pode recorrer a respostas vagas.
- Qual a diferença entre Expansão de Consulta e Decomposição de Consulta?
Ambos ajudam o bot a compreender melhor a consulta. A Decomposição de Consulta pega consultas complexas ou compostas e as divide em etapas menores executáveis. Já a Expansão de Consulta complementa consultas incompletas ou incorretas, tornando-as claras e completas.
Experimente a Decomposição de Consultas com o FlowHunt
Comece a criar chatbots de IA mais inteligentes e automatize consultas complexas com o componente de Decomposição de Consultas do FlowHunt.
Saiba mais
