การค้นหาความรู้ระดับองค์กร
EDDI มีไปป์ไลน์ Retrieval-Augmented Generation ที่สมบูรณ์: ฐานความรู้ที่เติมข้อมูลเองจากเว็บไซต์หรือไฟล์ที่อัปโหลด การรองรับหลาย embedding providers และ vector stores แบบเนทีฟ และตัวเลือก RAG แบบไม่ต้องมีโครงสร้างพื้นฐานผ่าน HTTP calls
ความสามารถ RAG
- Web Crawler ครอลเว็บไซต์ภายในขอบเขตที่คุณกำหนด โดยเคารพ robots.txt, crawl delay และ sitemap ของเว็บไซต์ หน้าที่ไม่เปลี่ยนจะถูกข้ามในการรันครั้งถัดไป และหน้าที่ถูกลบจะถูกนำออกจากฐานความรู้
- การนำเข้าไฟล์ อัปโหลดไฟล์ PDF, Word, Excel, PowerPoint, ข้อความ, Markdown, CSV และ HTML แต่ละไฟล์จะถูกทำเครื่องหมายเป็น Indexed, Changed หรือ Not indexed
- แหล่งข้อมูลตามกำหนดเวลา ทุกแหล่งข้อมูลรันตาม cron schedule ได้ พร้อมการดูตัวอย่าง ประวัติการรันที่มีตัวนับและข้อผิดพลาด และการล้างข้อมูล
- 8 Embedding Providers OpenAI, Azure OpenAI, Ollama, Mistral, Amazon Bedrock, Cohere, Google Gemini, Google Vertex AI
- 6 Vector Stores pgvector, Chroma, In-Memory, MongoDB Atlas, Elasticsearch, Qdrant
- httpCall RAG RAG แบบไม่ต้องมีโครงสร้างพื้นฐานผ่าน search API ใดก็ได้ (BM25, Elasticsearch, custom endpoints)
- REST Ingestion API ส่งเอกสารเข้าเองเมื่อแหล่งข้อมูลแบบดึงไม่เหมาะ
การปรับใช้แบบยืดหยุ่น
RAG เป็นแบบกำหนดค่าทั้งหมด เลือก embedding provider และ vector store ผ่านการกำหนดค่า JSON ไม่ต้องแก้โค้ด ตัวเลือก httpCall RAG ช่วยให้คุณใช้โครงสร้างพื้นฐานการค้นหาที่มีอยู่ (Elasticsearch, Solr, custom APIs) ได้โดยไม่ต้อง deploy vector database แยกต่างหาก