नॉलेज बेस और RAG
अंतिम अपडेट: 8 नव॰ 2026
अवलोकन
एक नॉलेज बेस आपको AI को अपने स्वयं के दस्तावेज़ देने की सुविधा देता है ताकि वह अपने उत्तरों को आधार दे सके। ToRun दस्तावेज़ों को ग्रहण करता है, उन्हें टुकड़ों (chunks) में विभाजित करता है, उन्हें अनुक्रमित करता है, और क्वेरी के समय सबसे प्रासंगिक टुकड़ों को वेक्टर (अर्थपूर्ण) और लेक्सिकल (कीवर्ड) खोज के संकर का उपयोग करके पुनर्प्राप्त करता है — यही Retrieval-Augmented Generation (RAG) है।
इसकी संरचना कैसी है
- नॉलेज बेस — किसी प्रोजेक्ट की फ़ाइलों का इंडेक्स; यह आपका है।
- नॉलेज दस्तावेज़ — प्रत्येक फ़ाइल या स्रोत जिसे आप एक बेस में जोड़ते हैं।
- नॉलेज टुकड़ा (chunk) — अनुक्रमित टुकड़े जिनमें एक दस्तावेज़ विभाजित होता है; पुनर्प्राप्ति टुकड़े के स्तर पर होती है।
नॉलेज बेस उपयोगकर्ता-स्कोप वाले होते हैं — आपका बेस और उसकी सामग्री आपकी होती है।
एक बेस बनाना और भरना
- कोई प्रोजेक्ट खोलें या नया बनाएँ — उसमें जोड़ी गई फ़ाइलें ही उसका नॉलेज बेस बनती हैं।
- दस्तावेज़ जोड़ें। ToRun प्रत्येक दस्तावेज़ को ग्रहण करता है, उसे टुकड़ों में विभाजित करता है, और अर्थपूर्ण खोज के लिए एम्बेडिंग बनाता है।
- एक बार अनुक्रमित होने के बाद, बेस उत्तरों को आधार देने के लिए उपलब्ध हो जाता है।
पुनर्प्राप्ति कैसे काम करती है
जब आप किसी बेस के विरुद्ध कोई प्रश्न पूछते हैं, तो ToRun चलाता है:
- वेक्टर खोज — आपकी क्वेरी को एम्बेड करता है और अर्थपूर्ण रूप से समान टुकड़े खोजता है।
- लेक्सिकल खोज — कीवर्ड को सीधे मिलाता है, उन सटीक शब्दों को पकड़ता है जिन्हें वेक्टर खोज चूक सकती है।
- संयुक्त शीर्ष परिणाम मॉडल को आधार संदर्भ के रूप में पास किए जाते हैं, और उत्तर उनसे उत्पन्न होता है।
यह संकर दृष्टिकोण "एक ही अर्थ रखता है" और "इस सटीक शब्द को शामिल करता है" दोनों प्रकार के मिलानों को पकड़ता है।
लागत
ग्रहण के दौरान दस्तावेज़ों को एम्बेड करना और आधारित प्रश्नों का उत्तर देना AI कॉल हैं, इसलिए प्रत्येक एक मूल्य निर्धारण स्नैपशॉट के साथ एक BillingRecord उत्पन्न करता है। ग्रहण लागत मोटे तौर पर दस्तावेज़ मात्रा के अनुपात में होती है; क्वेरी लागत प्रति प्रश्न होती है।
सुझाव
- स्वच्छ, अच्छी तरह से संरचित दस्तावेज़ जोड़ें — अस्पष्ट टेक्स्ट खराब रूप से अनुक्रमित होता है और खराब रूप से पुनर्प्राप्त होता है।
- एक बेस को एक विषय या परियोजना पर केंद्रित रखें; एक विशाल मिश्रित बेस अधिक शोर वाले परिणाम पुनर्प्राप्त करता है।
- जब अंतर्निहित सामग्री बदलती है तो दस्तावेज़ों को फिर से जोड़ें या ताज़ा करें — पुनर्प्राप्ति केवल वही जानती है जो अनुक्रमित है।
देखें यह कैसे काम करता है
Projects, your own files and memory: an AI assistant that knows your work
A project groups related chats, files and memory, and every new chat in it follows the project's system prompt. Add PDFs, documents or text files under Knowledge and the assistant searches them in that project's chats. Memory works across all your chats: mention something worth keeping and you don't have to say it again. Everything it remembers is on your memory page, where you can edit it or make it forget for good.
यह वीडियो अंग्रेज़ी में है।