ეს ცოდნის ბაზა არის დოკუმენტთა საცავი, საიდანაც აგენტები იღებენ ფაქტებს პასუხის გაცემისას (RAG, გენერაცია ძიებით დამატებით). თქვენ ატვირთავთ კომპანიის მასალებს, AiHummer ამოღებს ტექსტს, პოტორცავს მას ფრაგმენტებად და ინდექსირებას ახდენს; შემდეგ აგენტი პოულობს შესაბამისი ფრაგმენტები და პასუხები მათგან.
რას შეგიძლიათ ატვირთოთ
სამი გზა კონტენტის დამატებისათვის:
+ ფაილი — აირჩიეთ ერთი ან რამდენიმე ფაილი. მხარდასაჭერია: PDF, Word (.docx), Excel
(.xlsx), CSV, .txt, .md, .rtf; მაქსიმალური ზომა თითო ფაილზე 20 მბ-ია. სერვერი იღებს
ტექსტი და აცნობებს თითოეული ფაილისთვის შექმნილი ფრაგმენტების რაოდენობას.
+ ტექსტი — ჩასვით ტექსტი პირდაპირ: სათაური, წყარო და ძირითადი ტექსტი.
+ URL — მიუთითეთ ბმული; გვერდის შინაარსი იწერება.
სია
ყოველი დოკუმენტი აჩვენებს თავის სათაურს/წყაროს, ნაწილების რაოდენობას და დამატების დროს. არსებობს ძიებისა და დალაგების შესაძლებლობა სახელის ან დღის მიხედვით, ასევე სათაურაში განთავსებული ნაწილის საერთო მიმთვლის ვარიანტი.
როგორ გამოვიყენოთ ეს
დეპორტეთ დოკუმენტები (ყველაზე კარგად მუშაობს სუფთა, სტრუქტურირებული ტექსტები).
შეამოწმეთ, რომ ჭურვების რაოდენობა ნულის ტოლი არ არის — ეს ნიშნავს, რომ ტექსტი ამოღებულია.
დარწმუნდით, რომ აგენტს ცოდნის გამოყენების ნებართვა აქვს (capabilities განყოფილება)
და არჩეული ინსტალატორი გიხდება შენ
ენა.
კონფიგურაცია
სურათის აღების, ინტეგრაციის და ფრაგმენტის ზომის პარამეტრები შეეხება RAG ძრავს — ნახეთ. განათლება და RAG. სტანდარტული ემბედინგის მოდელი მრავალენოვანია; დიდი მოცულობის შემთხვევაში შესაძლებელია მისი გადატანა GPU-ზე.
რჩევები
გადანაწილეთ დიდი დოკუმენტები მნიშვნელობის მიხედვით — ასე ძებნა უფრო ზუსტი იქნება.
განმარტეთ მნიშვნელოვანი „წყარო“: ეს ეხმარება როგორც ადამიანებს, ისე აგენტს მიუთითოს, საიდანაა ფაქტი აღებული
მოსულიაა ედანიდან.
ეს **ცოდნის ბაზა** არის დოკუმენტთა საცავი, საიდანაც აგენტები იღებენ ფაქტებს პასუხის გაცემისას (RAG, გენერაცია ძიებით დამატებით). თქვენ ატვირთავთ კომპანიის მასალებს, AiHummer ამოღებს ტექსტს, პოტორცავს მას ფრაგმენტებად და ინდექსირებას ახდენს; შემდეგ აგენტი პოულობს შესაბამისი ფრაგმენტები და პასუხები მათგან.
## რას შეგიძლიათ ატვირთოთ
სამი გზა კონტენტის დამატებისათვის:
- **+ ფაილი** — აირჩიეთ ერთი ან რამდენიმე ფაილი. მხარდასაჭერია: **PDF, Word (.docx), Excel
(.xlsx), CSV, .txt, .md, .rtf**; მაქსიმალური ზომა თითო ფაილზე 20 მბ-ია. სერვერი იღებს
ტექსტი და აცნობებს თითოეული ფაილისთვის შექმნილი ფრაგმენტების რაოდენობას.
- **+ ტექსტი** — ჩასვით ტექსტი პირდაპირ: სათაური, წყარო და ძირითადი ტექსტი.
- **+ URL** — მიუთითეთ ბმული; გვერდის შინაარსი იწერება.
## სია
ყოველი დოკუმენტი აჩვენებს თავის სათაურს/წყაროს, ნაწილების რაოდენობას და დამატების დროს. არსებობს ძიებისა და დალაგების შესაძლებლობა სახელის ან დღის მიხედვით, ასევე სათაურაში განთავსებული ნაწილის საერთო მიმთვლის ვარიანტი.
## როგორ გამოვიყენოთ ეს
1. დეპორტეთ დოკუმენტები (ყველაზე კარგად მუშაობს სუფთა, სტრუქტურირებული ტექსტები).
2. შეამოწმეთ, რომ ჭურვების რაოდენობა ნულის ტოლი არ არის — ეს ნიშნავს, რომ ტექსტი ამოღებულია.
3. დარწმუნდით, რომ აგენტს ცოდნის გამოყენების ნებართვა აქვს (`capabilities` განყოფილება)
და არჩეული [ინსტალატორი](/ka/v1.0/concepts/knowledge-rag) გიხდება შენ
ენა.
## კონფიგურაცია
სურათის აღების, ინტეგრაციის და ფრაგმენტის ზომის პარამეტრები შეეხება RAG ძრავს — ნახეთ. [განათლება და RAG](/ka/v1.0/concepts/knowledge-rag). სტანდარტული ემბედინგის მოდელი მრავალენოვანია; დიდი მოცულობის შემთხვევაში შესაძლებელია მისი გადატანა GPU-ზე.
## რჩევები
- გადანაწილეთ დიდი დოკუმენტები მნიშვნელობის მიხედვით — ასე ძებნა უფრო ზუსტი იქნება.
- განმარტეთ მნიშვნელოვანი „წყარო“: ეს ეხმარება როგორც ადამიანებს, ისე აგენტს მიუთითოს, საიდანაა ფაქტი აღებული
მოსულიაა ედანიდან.
## შემდეგ
- [განათლება და RAG](/ka/v1.0/concepts/knowledge-rag) — როგორ მუშაობს სემანტიკური ძიება.
- [აინშტაინის მეხსიერება](/ka/v1.0/webui/memory) — სინამდვილეები იმ განსხვავებით განსხვავდებიან დოკუმენტებისგან.
- [აგენტები](/ka/v1.0/webui/agents) — სად ააქტიურო ცოდნის გამოყენება.
