Kunskapsbaser & RAG
Senast uppdaterad 8 nov. 2026
Översikt
Med en kunskapsbas kan du ge AI:n dina egna dokument för att grunda dess svar. ToRun tar in dokument, delar upp dem i delar (chunks), indexerar dem och hämtar vid frågetillfället de mest relevanta delarna med hjälp av en kombination av vektorbaserad (semantisk) och lexikal (nyckelords-) sökning — detta är Retrieval-Augmented Generation (RAG).
Hur den är uppbyggd
- Kunskapsbas — indexet över ett projekts filer; den är din.
- Kunskapsdokument — varje fil eller källa du lägger till i en bas.
- Kunskapsdel (chunk) — de indexerade delar som ett dokument delas upp i; hämtning sker på delnivå.
Kunskapsbaser är användarbundna — din bas och dess innehåll tillhör dig.
Skapa och fylla en bas
- Öppna ett projekt eller skapa ett — filerna du lägger till utgör dess kunskapsbas.
- Lägg till dokument. ToRun tar in varje dokument, delar upp det i delar och bygger embeddings för semantisk sökning.
- När den är indexerad är basen tillgänglig för att grunda svar.
Så fungerar hämtningen
När du ställer en fråga mot en bas kör ToRun:
- Vektorsökning — bäddar in din fråga och hittar semantiskt liknande delar.
- Lexikal sökning — matchar nyckelord direkt och fångar exakta termer som vektorsökningen kan missa.
- De kombinerade toppresultaten skickas till modellen som grundningskontext, och svaret genereras utifrån dem.
Detta hybridtillvägagångssätt fångar både matchningar av typen "betyder samma sak" och "innehåller exakt denna term".
Kostnad
Att bädda in dokument under inmatningen och att besvara grundade frågor är AI-anrop, så varje skapar ett BillingRecord med en prismögonblicksbild. Inmatningskostnaden är ungefär proportionell mot dokumentvolymen; frågekostnaden är per fråga.
Tips
- Lägg till rena, välstrukturerade dokument — förvanskad text indexeras dåligt och hämtas dåligt.
- Håll en bas fokuserad på ett ämne eller projekt; en enda gigantisk blandad bas hämtar mer brusiga resultat.
- Lägg till dokument på nytt eller uppdatera dem när det underliggande materialet ändras — hämtningen känner bara till det som är indexerat.
Se hur det fungerar
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.
Den här videon är på engelska.