Affiner les transformations RAG

Restez organisé à l'aide des collections Enregistrez et classez les contenus selon vos préférences.

Une fois un document ingéré, le moteur RAG de Vertex AI exécute un ensemble de transformations pour préparer les données à l'indexation. Vous pouvez contrôler vos cas d'utilisation à l'aide des paramètres suivants:

Une taille de fragment plus petite signifie que les embeddings sont plus précis. Une taille de fragment plus importante signifie que les embeddings peuvent être plus généraux, mais peuvent passer à côté de détails spécifiques.

Par exemple, si vous convertissez 1 000 mots en un tableau de représentations vectorielles continues conçu pour 200 mots, vous risquez de perdre des détails. La capacité d'embedding est fixe pour chaque segment. Un grand volume de texte peut ne pas tenir dans un modèle de petite fenêtre.

Étape suivante

• Utilisez l'analyseur de mise en page Document AI avec le moteur de RAG Vertex AI.