Managed RAG

Создать базу знаний из JSON-файла

В этой статье показано, как создать базу знаний с ручной настройкой экстрактора для конкретного JSON-файла.

Общий алгоритм описан в инструкции по созданию базы знаний.

Перед началом работы

Убедитесь, что у вас есть доступ к Foundation Models и Object Storage.
Скачайте файл faq_products.json.
Подготовьте документ для базы знаний в Evolution Object Storage.
1. Создайте бакет.
2. Создайте папку rag-json-kb в бакете и загрузите в нее файл faq_products.json, скачанный ранее.
  
  Список поддерживаемых типов файлов

Создайте базу знаний

Перейдите в AI Factory → Managed RAG.
Нажмите Создать базу знаний.
Введите название и, если необходимо, описание базы знаний.
В поле Путь к папке с документами на S3 выберите папку rag-json-kb в бакете Object Storage, куда вы загрузили файл faq_products.json.
В поле Расширения документов введите json — расширение файла, который будет обработан и сохранен в базе знаний.
Активируйте опцию Вручную настроить обработку данных и модель.

Теперь необходимо настроить экстратор так, чтобы получились чанки вида:
```
Продукт: Evolution Foundation Models
Вопрос: Какой SLA у сервиса Foundation Models?
Ответ: SLA на сервис Foundation Models составляет 99.9%.
```
1. Скопируйте jq-схему и проверьте ее корректность с помощью сайта https://play.jqlang.org:
```
.content[]|"Продукт: \(.product); Вопрос: \(.question); Ответ: \(.answer)"
```
2. Активируйте опцию Содержимое JSON является строкой, так как в результате парсинга по jq-схеме возвращаются строки.
3. В поле Splitter выберите RecursiveCharacterTextSplitter — способ разбиения текста на чанки. Остальные поля оставьте без изменений.
4. Нажмите Продолжить.
5. Выберите модель-эмбеддер или оставьте по умолчанию.
6. Нажмите Создать.

Дождитесь, пока база знаний и ее версия перейдет в статус «Активная».

Была ли эта статья полезна?

Поддержка Юридические документы