Connaissance / RAG

v1.1.x · mis à jour 2026-07-05

Connaissance c’est ainsi qu’AiHummer fonde les réponses sur vos documents plutôt que sur les données d’entraînement du modèle. Vous ingérez le contenu, l’agent récupère les passages pertinents avec le search_knowledge outil, et les réponses reviennent avec des citations. Pour les questions plus difficiles, le deep_research l’outil effectue une enquête en plusieurs étapes et produit un rapport cité. La connaissance est administrée sous /v1/admin/knowledge/* et /v1/admin/knowledge/connectors/*.

Ingestion de contenu

Vous pouvez ingérer documents, PDFs et URL dans la base de connaissances. Le contenu ingéré est indexé afin qu’il puisse être récupéré au moment de la réponse et attribué à sa source.

[!TIP] Ingestez la version canonique d’un document une fois et laissez les agents la citer, plutôt que de coller de longs passages dans des invites. La récupération citée maintient les réponses vérifiable et votre contexte petit.

Réponses étayées et les outils

Deux outils exposent la base de connaissances à un agent :

Outil	Ce que cela fait
`search_knowledge`	Récupère des passages pertinents et fonde la réponse sur des citations.
`deep_research`	Effectue un processus de recherche en plusieurs étapes à travers la base de connaissances et produit un rapport cité.

Les deux arrivent dans le virage comme résultats de l’outil, jamais comme des instructions injectées — la même discipline d’injection de prompts appliquée partout dans AiHummer. Les réponses portent citations afin qu’un lecteur puisse retracer une affirmation jusqu’à sa source.

[!NOTE] deep_research est pour de véritables questions à plusieurs étapes — cela prend plus de temps et jetons qu’un seul search_knowledge appel. Atteignez-le lorsqu’une récupération n’est pas suffisant.

Connecteurs de connaissances

Au-delà de l’ingestion manuelle, les connaissances peuvent être extraites de sources externes via des connecteurs gérés sous /v1/admin/knowledge/connectors/*. Sept connecteurs sont disponibles ; les informations d’identification de chacun se trouvent dans le coffre de secrets chiffré et un planificateur en arrière-plan exécute les synchronisations :

Connecteur	Ce que cela tire
Google Drive (`gdrive`)	Fichiers Google Drive via un compte de service (JSON d’identification).
Microsoft Graph (`msgraph`)	Documents SharePoint / OneDrive via une application Microsoft Graph.
Notion (`notion`)	Pages Notion via un jeton d’intégration interne.
Slack (`slack`)	Historique des messages des chaînes Slack via un jeton Web API (toutes les chaînes ou une liste configurée).
S3 (`s3`)	Objets provenant d’un bucket compatible S3 (AWS S3, GCS en mode S3, MinIO, etc.), éventuellement sous un préfixe.
SQL (`db`)	Lignes d’une requête SQL en lecture seule sur une base de données, ingérées en tant que documents.
Confluence (`confluence`)	Pages Confluence Cloud (authentification de base avec un token API Atlassian), éventuellement limitées à un espace.

Séparément, unique Export Slack importer un ZIP d’exportation de l’espace de travail téléchargé manuellement — aucun secret stocké et aucun calendrier.

[!WARNING] Le connecteur Google Drive est éprouvé en production ; les autres sont implémentés et couverts par des tests, mais vérifiez-les avec vos propres données avant de vous y fier en production.

Magasin de vecteurs et embeddings

Par défaut, la récupération peut s’exécuter sur un magasin en mémoire avec un encodeur de hachage, ce qui est suffisant pour commencer. Pour une récupération sémantique de qualité production, dirigez AiHummer vers un vraie base de vecteurs et encodeur:

AIHUMMER_QDRANT_URL=http://localhost:6333
AIHUMMER_EMBEDDER_URL=http://localhost:8081

Lorsque ceux-ci sont définis, l’ingestion et search_knowledge utilisez le magasin de vecteurs externe et l’encodeur au lieu de la solution de repli en mémoire.

[!NOTE] L’intégrateur sémantique est choisir de participer, pas par défaut: l’installateur hôte-natif prévoit cela seulement lorsque vous réussissez --with-embedder (Ollama avec une lumière modèle multilingue ; il indique ensuite AIHUMMER_EMBEDDER_URL à http://127.0.0.1:11434/api/embeddings). Sans un intégrateur, les recherches s’exécutent sur la solution de repli lexicale.

API d’administration

Ressource	But
`/v1/admin/knowledge`	Gestion de la base de connaissances, y compris l’ingestion
`/v1/admin/knowledge/connectors`	Configurer les connecteurs KB (Drive, Graph, Notion, Slack, S3, SQL, Confluence)

Où aller ensuite

Voir search_knowledge et deep_research aux côtés de tous les autres outils dans Outils et le catalogue d’outils.
Ajouter un rappel à long terme par conversation avec Mémoire (Einstein).