1. Homepage
  2. Einstein AI Connector (1.2)
  3. Einstein AI Connector の追加設定情報

  4. Einstein AI Connector の RAG 操作の設定

All Connectors

Einstein AI Connector 1.2 の RAG 操作の設定

Retrieval-Augmented Generation (RAG) とは、関連コンテンツを取得し、そのコンテンツを使用して追加のコンテキストで AI プロンプトを増強することで、AI が生成した出力を拡張する技術です。この追加情報で LLM をグラウンディングすることで、より正確で信頼性の高い応答を提供できます。

RAG Adhoc Load Document 操作の設定

RAG adhoc load document​ 操作では、メモリ内エンベディングストアからプレーンテキストプロンプトに基づいて情報を取得します。

RAG adhoc load document​ 操作を設定する手順は、次のとおりです。

  1. Anypoint Code Builder または Studio キャンバスで操作を選択します。

  2. 操作の ​[General (一般)]​ プロパティタブで、次の値を入力します。

    • Prompt (プロンプト)

      LLM と応答先のエンベディングストアに送信するプロンプト。

    • File Path (ファイルパス)​

      エンベディングストアに取り込むドキュメントの完全なファイルパスを含めます。ファイルパスにアクセスできることを確認します。

      この項目では DataWeave 式を使用することもできます。次に例を示します。

      mule.home "/apps/" app.name ++ "/customer-service.pdf"

  3. [Additional properties (追加プロパティ)]​ で、次の値を選択します。

    • Embedding name (エンベディング名)​

    • ファイルの種類

      エンベディングストアに取り込むドキュメントの種別:

      • Text (テキスト)​

      • PDF

      • CSV

      • URL

        取り込む Web コンテンツを参照する単一 URL。

    • Option type (オプション種別)

      ベクトルデータベースに取り込む前にドキュメントを分割する方法

    • Model Name (モデル名)

      LLM とやり取りする API モデルの名前。

    • Probability (確度)

      モデル API が正確性を維持する確度

    • Locale (ロケール)

      デフォルトロケール、入力ロケール、予想される出力ロケールなどを含むローカライズ情報

この操作の XML 設定を次に示します。

<ms-einstein-ai:rag-adhoc-load-document
  doc:name="Rag adhoc load document"
  doc:id="edaea124-a8aa-4d4a-8f85-0f32ee4c9858"
  config-ref="Einstein_AI"
  prompt="#[payload.prompt]"
  filePath="#[payload.filePath]"
  optionType="PARAGRAPH"
/>

関連情報