Viden er hvordan AiHummer grundlægger svar i dine dokumenter snarere end modellens træningsdata. Du indtaster indhold, agenten henter de relevante passager med search_knowledge værktøj, og svar kommer tilbage med citater. For sværere spørgsmål, de deep_research værktøj udfører en flertrinsundersøgelse og producerer en citeret rapport. Viden administreres under /v1/admin/knowledge/* og /v1/admin/knowledge/connectors/*.
Indtagelse af indhold
Du kan indtage dokumenter, PDF’er og URL’er ind i vidensbasen. Indtaget indhold bliver indekseret, så det kan hentes ved svar tidspunktet og tilskrives sin kilde.
[!TIP]
Indtag den kanoniske version af et dokument én gang, og lad agenter citere det i stedet
end at indsætte lange afsnit i prompts. Citeret genfinding holder svar
verificerbar og din kontekst lille.
Begrundede svar og værktøjerne
To værktøjer eksponerer vidensbasen for en agent:
Værktøj
Hvad det gør
search_knowledge
Henter relevante passager og underbygger svaret med citater.
deep_research
Udfører en flertrins forskningsproces på tværs af vidensbasen og producerer en rapport med kilder.
Begge ankommer i svinget som værktøjsresultater, aldrig som indsprøjtede instruktioner — den samme disciplin for prompt-injektion, der anvendes overalt i AiHummer. Svar bærer henvisninger så en læser kan spore et påstand tilbage til dens kilde.
[!NOTE]
deep_research er for ægte flertrins spørgsmål — det koster mere tid og
flere tokens end en enkelt search_knowledge opkald. Ræk ud efter det, når en hentning
er ikke nok.
Vidensforbindelser
Udover manuel indlæsning kan viden hentes fra eksterne kilder via forbindelser, der administreres under /v1/admin/knowledge/connectors/*. Syv forbindelser er tilgængelige; hver enkelt har sine legitimationsoplysninger gemt i den krypterede hemmelighedsskattekiste, og en baggrundsplanlægger kører synkroniseringerne:
Forbinder
Hvad det trækker
Google Drev (gdrive)
Google Drive-filer via en servicekonto (adgangsoplysninger JSON).
Microsoft Graph (msgraph)
SharePoint / OneDrive-dokumenter via en Microsoft Graph-app.
Begreb (notion)
Notion-sider via et internt integrations-token.
Slack (slack)
Slack-kanalens beskedhistorik via en Web API-token (alle kanaler eller en konfigureret liste).
S3 (s3)
Objekter fra en S3-kompatibel bucket (AWS S3, GCS i S3-tilstand, MinIO osv.), eventuelt under et præfiks.
SQL (db)
Rækker af en skrivebeskyttet SQL-forespørgsel mod en database, indlæst som dokumenter.
Sammenløb (confluence)
Confluence Cloud-sider (Basic auth med en Atlassian API-token), eventuelt afgrænset til ét område.
Separat, en engangs Slack-eksport import tager en workspace-export ZIP uploadet manuelt — ingen gemt hemmelighed og ingen tidsplan.
[!WARNING]
Google Drev-connectoren er live-testet; de andre er implementeret og
dækket af tests, men verificer dem mod dine egne data, før du stoler på dem
i produktion.
Vektorlagring og indlejringer
Som standard kan hentning køre på en hukommelseslager med en hash-indlejrer, hvilket er nok til at komme i gang. For semantisk søgning i produktionskvalitet, peg AiHummer på en ægte vektorbutik og indlejrer:
Når disse er indstillet, indtagelse og search_knowledge brug den eksterne vektorbutik og indlejrer i stedet for fallback i hukommelsen.
[!NOTE]
Den semantiske indlejer er tilvalg, ikke standard: værts-native installationsprogram
yder kun bestemmelserne, når du består --with-embedder (Ollama med en lys
flersproget model; det peger derefter AIHUMMER_EMBEDDER_URL at
http://127.0.0.1:11434/api/embeddings). Uden en indlejrer kører hentning
på den leksikale tilbagestilling.
**Viden** er hvordan AiHummer grundlægger svar i dine dokumenter snarere end modellens træningsdata. Du indtaster indhold, agenten henter de relevante passager med `search_knowledge` værktøj, og svar kommer tilbage **med citater**. For sværere spørgsmål, de `deep_research` værktøj udfører en flertrinsundersøgelse og producerer en citeret rapport. Viden administreres under `/v1/admin/knowledge/*` og `/v1/admin/knowledge/connectors/*`.
## Indtagelse af indhold
Du kan indtage **dokumenter, PDF'er og URL'er** ind i vidensbasen. Indtaget indhold bliver indekseret, så det kan hentes ved svar tidspunktet og tilskrives sin kilde.
> [!TIP]
> Indtag den kanoniske version af et dokument én gang, og lad agenter citere det i stedet
> end at indsætte lange afsnit i prompts. Citeret genfinding holder svar
> verificerbar og din kontekst lille.
## Begrundede svar og værktøjerne
To værktøjer eksponerer vidensbasen for en agent:
| Værktøj | Hvad det gør |
|---|---|
| `search_knowledge` | Henter relevante passager og underbygger svaret med citater. |
| `deep_research` | Udfører en flertrins forskningsproces på tværs af vidensbasen og producerer en rapport med kilder. |
Begge ankommer i svinget som **værktøjsresultater**, aldrig som indsprøjtede instruktioner — den samme disciplin for prompt-injektion, der anvendes overalt i AiHummer. Svar bærer **henvisninger** så en læser kan spore et påstand tilbage til dens kilde.
> [!NOTE]
> `deep_research` er for ægte flertrins spørgsmål — det koster mere tid og
> flere tokens end en enkelt `search_knowledge` opkald. Ræk ud efter det, når en hentning
> er ikke nok.
## Vidensforbindelser
Udover manuel indlæsning kan viden hentes fra eksterne kilder via forbindelser, der administreres under `/v1/admin/knowledge/connectors/*`. Syv forbindelser er tilgængelige; hver enkelt har sine legitimationsoplysninger gemt i den krypterede hemmelighedsskattekiste, og en baggrundsplanlægger kører synkroniseringerne:
| Forbinder | Hvad det trækker |
|---|---|
| **Google Drev** (`gdrive`) | Google Drive-filer via en servicekonto (adgangsoplysninger JSON). |
| **Microsoft Graph** (`msgraph`) | SharePoint / OneDrive-dokumenter via en Microsoft Graph-app. |
| **Begreb** (`notion`) | Notion-sider via et internt integrations-token. |
| **Slack** (`slack`) | Slack-kanalens beskedhistorik via en Web API-token (alle kanaler eller en konfigureret liste). |
| **S3** (`s3`) | Objekter fra en S3-kompatibel bucket (AWS S3, GCS i S3-tilstand, MinIO osv.), eventuelt under et præfiks. |
| **SQL** (`db`) | Rækker af en skrivebeskyttet SQL-forespørgsel mod en database, indlæst som dokumenter. |
| **Sammenløb** (`confluence`) | Confluence Cloud-sider (Basic auth med en Atlassian API-token), eventuelt afgrænset til ét område. |
Separat, en engangs **Slack-eksport** import tager en workspace-export ZIP uploadet manuelt — ingen gemt hemmelighed og ingen tidsplan.
> [!WARNING]
> Google Drev-connectoren er live-testet; de andre er implementeret og
> dækket af tests, men verificer dem mod dine egne data, før du stoler på dem
> i produktion.
## Vektorlagring og indlejringer
Som standard kan hentning køre på en **hukommelseslager med en hash-indlejrer**, hvilket er nok til at komme i gang. For semantisk søgning i produktionskvalitet, peg AiHummer på en **ægte vektorbutik og indlejrer**:
```bash
AIHUMMER_QDRANT_URL=http://localhost:6333
AIHUMMER_EMBEDDER_URL=http://localhost:8081
```
Når disse er indstillet, indtagelse og `search_knowledge` brug den eksterne vektorbutik og indlejrer i stedet for fallback i hukommelsen.
> [!NOTE]
> Den semantiske indlejer er **tilvalg, ikke standard**: værts-native installationsprogram
> yder kun bestemmelserne, når du består `--with-embedder` (Ollama med en lys
> flersproget model; det peger derefter `AIHUMMER_EMBEDDER_URL` at
> `http://127.0.0.1:11434/api/embeddings`). Uden en indlejrer kører hentning
> på den leksikale tilbagestilling.
## Admin-API
| Ressource | Formål |
|---|---|
| `/v1/admin/knowledge` | Vidensbaseadministration, inklusive indtag |
| `/v1/admin/knowledge/connectors` | Konfigurer KB-forbindelser (Drive, Graph, Notion, Slack, S3, SQL, Confluence) |
## Hvor til næste
- Se `search_knowledge` og `deep_research` sammen med alle andre værktøjer i
[Værktøjer](/da/v1.0/concepts/tools) og den
[værktøjskatalog](/da/v1.0/reference/tools-catalog).
- Tilføj langtidshukommelse pr. samtale med
[Hukommelse (Einstein)](/da/v1.0/concepts/memory-einstein).
