Գիտելիքների բազան փաստաթղթերի պահոց է, որտեղից գործակալները փաստեր են
քաղում, երբ պատասխանում են (RAG, retrieval-augmented generation)։ Դուք
վերբեռնում եք ընկերության նյութերը, AiHummer-ը արդյունահանում է տեքստը, բաժանում
այն կտորների և ինդեքսավորում; ապա գործակալը գտնում է համապատասխան կտորները և
պատասխանում դրանց հիման վրա։
Ինչ կարող եք վերբեռնել
Բովանդակություն ավելացնելու երեք եղանակ.
+ File — ընտրեք մեկ կամ մի քանի ֆայլ։ Աջակցվում են՝ PDF, Word (.docx), Excel
(.xlsx), CSV, .txt, .md, .rtf; սահմանաչափը ֆայլի համար 20 MiB է։ Սերվերը արդյունահանում
է տեքստը և հաղորդում յուրաքանչյուր ֆայլից ստացված կտորների քանակը։
+ Text — տեղադրեք տեքստն ուղղակիորեն՝ վերնագիր, աղբյուր և հիմնական մասը։
+ URL — նշեք հղում; էջի բովանդակությունը բեռնվում է։
Ցանկը
Յուրաքանչյուր փաստաթուղթ ցույց է տալիս իր վերնագիրը/աղբյուրը, կտորների քանակը և
ավելացման ժամանակը։ Կա որոնում և դասավորում ըստ անվան կամ ամսաթվի, ինչպես նաև
կտորների ընդհանուր հաշվիչ վերնագրում։
Ինչպես օգտագործել այն
Վերբեռնեք փաստաթղթեր (մաքուր, կառուցվածքային տեքստն ամենալավն է աշխատում)։
Ստուգեք, որ կտորների քանակը զրո չէ — դա նշանակում է, որ տեքստն արդյունահանվել է։
Համոզվեք, որ գործակալին թույլատրված է օգտագործել գիտելիքները (capabilities բաժինը)
և որ ընտրված embedder-ը համապատասխանում է ձեր
լեզվին։
Կարգավորում
Արդյունահանման, embedding-ի և կտորի չափի կարգավորումները պատկանում են RAG շարժիչին —
տես Գիտելիքներ և RAG։ Լռելյայն embedding մոդելը
բազմալեզու է; մեծ ծավալների համար այն կարելի է տեղափոխել GPU-ի վրա։
Խորհուրդներ
Բաժանեք մեծ փաստաթղթերն ըստ իմաստի — այդպես որոնումն ավելի ճշգրիտ է։
Տվեք բովանդակալից «աղբյուր». այն օգնում է և՛ մարդկանց, և՛ գործակալին վկայակոչել, թե
որտեղից է եկել փաստը։
Գործակալներ — որտեղ միացնել գիտելիքների օգտագործումը։
**Գիտելիքների բազան** փաստաթղթերի պահոց է, որտեղից գործակալները փաստեր են
քաղում, երբ պատասխանում են (RAG, retrieval-augmented generation)։ Դուք
վերբեռնում եք ընկերության նյութերը, AiHummer-ը արդյունահանում է տեքստը, բաժանում
այն կտորների և ինդեքսավորում; ապա գործակալը գտնում է համապատասխան կտորները և
պատասխանում դրանց հիման վրա։
## Ինչ կարող եք վերբեռնել
Բովանդակություն ավելացնելու երեք եղանակ.
- **+ File** — ընտրեք մեկ կամ մի քանի ֆայլ։ Աջակցվում են՝ **PDF, Word (.docx), Excel
(.xlsx), CSV, .txt, .md, .rtf**; սահմանաչափը ֆայլի համար 20 MiB է։ Սերվերը արդյունահանում
է տեքստը և հաղորդում յուրաքանչյուր ֆայլից ստացված կտորների քանակը։
- **+ Text** — տեղադրեք տեքստն ուղղակիորեն՝ վերնագիր, աղբյուր և հիմնական մասը։
- **+ URL** — նշեք հղում; էջի բովանդակությունը բեռնվում է։
## Ցանկը
Յուրաքանչյուր փաստաթուղթ ցույց է տալիս իր վերնագիրը/աղբյուրը, կտորների քանակը և
ավելացման ժամանակը։ Կա որոնում և դասավորում ըստ անվան կամ ամսաթվի, ինչպես նաև
կտորների ընդհանուր հաշվիչ վերնագրում։
## Ինչպես օգտագործել այն
1. Վերբեռնեք փաստաթղթեր (մաքուր, կառուցվածքային տեքստն ամենալավն է աշխատում)։
2. Ստուգեք, որ կտորների քանակը զրո չէ — դա նշանակում է, որ տեքստն արդյունահանվել է։
3. Համոզվեք, որ գործակալին թույլատրված է օգտագործել գիտելիքները (`capabilities` բաժինը)
և որ ընտրված [embedder](/hy/v1.0/concepts/knowledge-rag)-ը համապատասխանում է ձեր
լեզվին։
## Կարգավորում
Արդյունահանման, embedding-ի և կտորի չափի կարգավորումները պատկանում են RAG շարժիչին —
տես [Գիտելիքներ և RAG](/hy/v1.0/concepts/knowledge-rag)։ Լռելյայն embedding մոդելը
բազմալեզու է; մեծ ծավալների համար այն կարելի է տեղափոխել GPU-ի վրա։
## Խորհուրդներ
- Բաժանեք մեծ փաստաթղթերն ըստ իմաստի — այդպես որոնումն ավելի ճշգրիտ է։
- Տվեք բովանդակալից «աղբյուր». այն օգնում է և՛ մարդկանց, և՛ գործակալին վկայակոչել, թե
որտեղից է եկել փաստը։
## Հաջորդը
- [Գիտելիքներ և RAG](/hy/v1.0/concepts/knowledge-rag) — ինչպես է աշխատում իմաստային որոնումը։
- [Einstein հիշողություն](/hy/v1.0/webui/memory) — ինչով են փաստերը տարբերվում փաստաթղթերից։
- [Գործակալներ](/hy/v1.0/webui/agents) — որտեղ միացնել գիտելիքների օգտագործումը։
