Bases de connaissances et RAG

Aperçu

Une base de connaissances vous permet de fournir à l'IA vos propres documents pour fonder ses réponses. ToRun ingère les documents, les découpe en fragments (chunks), les indexe et, au moment de la requête, récupère les fragments les plus pertinents à l'aide d'une combinaison de recherche vectorielle (sémantique) et lexicale (par mots-clés) — c'est la Retrieval-Augmented Generation (RAG).

Comment elle est structurée

• Base de connaissances — l'index des fichiers d'un projet ; elle vous appartient.
• Document de connaissances — chaque fichier ou source que vous ajoutez à une base.
• Fragment de connaissances — les morceaux indexés en lesquels un document est découpé ; la récupération se fait au niveau du fragment.

Les bases de connaissances sont à portée utilisateur — votre base et son contenu vous appartiennent.

Créer et alimenter une base

1. Ouvrez un projet, ou créez-en un — les fichiers que vous y ajoutez forment sa base de connaissances.
2. Ajoutez des documents. ToRun ingère chaque document, le découpe en fragments et construit des embeddings pour la recherche sémantique.
3. Une fois indexée, la base est disponible pour fonder les réponses.

Comment fonctionne la récupération

Lorsque vous posez une question à une base, ToRun exécute :

1. Recherche vectorielle — encode votre requête et trouve des fragments sémantiquement similaires.
2. Recherche lexicale — fait correspondre directement les mots-clés, capturant les termes exacts que la recherche vectorielle peut manquer.
3. Les meilleurs résultats combinés sont transmis au modèle comme contexte de fondement, et la réponse est générée à partir d'eux.

Cette approche hybride capture à la fois les correspondances de type « signifie la même chose » et « contient exactement ce terme ».

Coût

Générer les embeddings des documents lors de l'ingestion et répondre aux questions fondées sont des appels d'IA, de sorte que chacun produit un BillingRecord avec un instantané tarifaire. Le coût d'ingestion est à peu près proportionnel au volume de documents ; le coût de requête est par question.

Conseils

• Ajoutez des documents propres et bien structurés — un texte brouillé s'indexe mal et se récupère mal.
• Gardez une base centrée sur un seul sujet ou projet ; une seule base géante et mixte récupère des résultats plus bruités.
• Réajoutez ou actualisez les documents lorsque le matériel sous-jacent change — la récupération ne connaît que ce qui est indexé.