מה זה מסד נתונים וקטורי (Vector Database)

הגדרה

מסד נתונים וקטורי שומר embeddings, רשימות של מספרים שמייצגות את המשמעות של כל קטע טקסט, לצד הטקסט עצמו. כשמגיעה שאלה, גם היא הופכת למספרים, והמסד מחזיר את הקטעים שהמספרים שלהם הכי קרובים, ובדרך כלל אלה הקטעים הכי קרובים במשמעות. כך חיפוש AI מוצא את נוהל הביטול בשביל לקוחה שכתבה "אני לא מצליחה להגיע מחר" ולא הקלידה את המילה "לבטל". זה יכול להיות מוצר ייעודי או מסד נתונים רגיל עם תוסף: pgvector, לדוגמה, מוסיף ל-PostgreSQL חיפוש לפי דמיון וקטורי.

למה זה חשוב

ההבנה מה הוא עושה מסבירה למה העוזר מוצא את הקטע הנכון במילים שהלקוח לא השתמש בהן, ולמה הוא מוצא באותה קלות קטע מיושן כשהקובץ הישן עדיין שם. הוא גם שומר עותקים של המסמכים שלכם, ולכן צריך את אותה זהירות כמוהם.

קשור ישירות: Embedding (אמבדינג), RAG (יצירה מועשרת באחזור), מסד נתונים (Database).

טיפים לשיפור

• שמרו את המסמכים שהוא מחפש בהם מעודכנים ומחקו גרסאות ישנות, כי הוא מוצא טקסט ישן באותה קלות כמו חדש.
• תנו לעוזר שמדבר עם לקוחות רק מסמכים שמיועדים ללקוחות, כי כל מה שנשמר אפשר למצוא.
• בדקו את החיפוש עם שאלות במילים של הלקוחות, לא במילים של המסמכים שלכם.
• שאלו את הספק איפה נשמרים העותקים של המסמכים שלכם ומי יכול להגיע אליהם.

טעויות נפוצות

• להתייחס למספרים השמורים כאנונימיים, כשהם יכולים לחשוף חלק גדול ממה שכתוב בטקסט.
• לבנות חיפוש וקטורי משלכם בשביל כמה עשרות קטעים שכלי מוכן כבר מטפל בהם.
• לשפוט את החיפוש לפי שאלה אחת שהצליחה במקרה, במקום לפי עשר שאלות אמיתיות.