aas:
Discourse AI выглядит потрясающе, и я с огромным нетерпением жду возможности настроить его на своем собственном хостинге!
У меня есть вопрос (возможно, это предложение по улучшению функционала), касающийся помощника-бота и эмбеддингов: могу ли я выбрать, какие темы будут использоваться для генерации с дополнением на основе поиска (RAG) ? Например, было бы здорово, если бы я мог настроить плагин так, чтобы он вычислял эмбеддинги только для тем в категориях моей официальной документации. Я опасаюсь, что если бот будет формировать векторную базу данных, используя всё содержимое нашего форума, результаты будут недостаточно качественными. Также было бы интересно настроить вычисление эмбеддингов только для тем с определёнными тегами или помеченных как решённые. Меня интересуют детали эссе о рабочем процессе RAG. Есть ли в Discourse AI рабочий процесс RAG? Будем ли мы иметь возможность контролировать, какие документы добавляются в векторную базу данных? Если у нас уже есть коллекция эмбеддингов, можем ли мы настроить Discourse AI на их использование при вызове помощника или семантическом поиске?
Я видел это кратко упомянутым здесь, но хотел бы узнать больше подробностей!
Что в этом персонаже строится поверх интеграции с Discourse, помимо использования интерфейса Discourse в качестве фронтенда для внешнего LLM? Для большинства наших персонажей мы рассматриваем возможность реализации RAG, чтобы создать что-то, что стандартный LLM «из коробки» не сможет обеспечить.
Насколько мне известно, плагин Discourse AI на данный момент строит векторную базу данных, используя все сообщения на форуме, однако этот подход будет доработан, чтобы пользователи могли указывать, какие документы должны быть включены. Это обеспечит более детальный контроль над данными для обучения и улучшит качество генерируемых ответов.
Кроме того, возможность использования предварительно вычисленных эмбеддингов всё ещё изучается…
1 лайк