diff --git a/en/usage/models/readme.mdx b/en/usage/models/readme.mdx index 21116c20a..c95cd4fe6 100644 --- a/en/usage/models/readme.mdx +++ b/en/usage/models/readme.mdx @@ -46,6 +46,12 @@ The system has integrated the official embedding model provided by seekdb, no pa - Click "Save" to use it immediately; - Then select this model in your knowledge base to take effect. +### Using Chroma Built-in Embedding Model (Zero Configuration) +The system has integrated Chroma's built-in embedding model (all-MiniLM-L6-v2), no parameters required. +- On the "Embedding Model" page, select "chroma-built-in"; +- Click "Save" to use it immediately; +- Then select this model in your knowledge base to take effect. + ### Rerank Model Rerank models re-score RAG retrieval results to significantly improve the precision of knowledge base answers. When a knowledge base returns multiple candidate documents, the rerank model uses a cross-encoder to precisely score each document's relevance to the query, selecting only the most relevant content. diff --git a/ja/insight/features.mdx b/ja/insight/features.mdx index d97397d32..877b7a2a3 100644 --- a/ja/insight/features.mdx +++ b/ja/insight/features.mdx @@ -53,15 +53,18 @@ LangBotは、オープンソースのLLMネイティブインスタントメッ | [Aliyun Bailian](https://bailian.console.aliyun.com/) | ✅ | LLMゲートウェイ(MaaS)、LLMOpsプラットフォーム | | [Volc Engine Ark](https://console.volcengine.com/ark/region:ark+cn-beijing/model?vendor=Bytedance&view=LIST_VIEW) | ✅ | LLMゲートウェイ(MaaS)、LLMOpsプラットフォーム | | [ModelScope](https://modelscope.cn/docs/model-service/API-Inference/intro) | ✅ | LLMゲートウェイ(MaaS) | -| [TBox（蚂蚁百宝箱）](https://tbox.cn/) | ✅ | LLMOpsプラットフォーム | +| [TBox (Ant TreasureBox)](https://tbox.cn/) | ✅ | LLMOpsプラットフォーム | | [Coze](https://coze.cn) | ✅ | LLMOpsプラットフォーム | +| [Cohere](https://cohere.com/) | ✅ | 再順位付けモデル | +| [Jina](https://jina.ai/) | ✅ | 再順位付けモデル | +| [Voyage AI](https://voyageai.com/) | ✅ | 再順位付けモデル | ## LLMアプリケーションパラダイムの実装 | アプリケーションパラダイム | ステータス | 備考 | | --- | --- | --- | | Agent | ✅ | | -| RAG | ✅ | ベクトルデータベースとしてChromaを使用 | +| RAG | ✅ | ベクトルデータベースとしてChromaを使用、再順位付けをサポート | | MCP | ✅ | StdioおよびHTTPプロトコルをサポート | ## システムの拡張性 diff --git a/ja/usage/knowledge/readme.mdx b/ja/usage/knowledge/readme.mdx index 64af60ad3..da097428e 100644 --- a/ja/usage/knowledge/readme.mdx +++ b/ja/usage/knowledge/readme.mdx @@ -29,6 +29,17 @@ RAGエンジンによって設定パラメータが異なり、エンジンの`c use_kb +### 再順位付けの設定（オプション） + +ナレッジベースを選択した後、下方で**再順位付けモデル**を設定して検索品質を向上させることができます： + +- **再順位付けモデル**：設定済みのRerankモデルを選択（未設定の場合は先に[モデル設定](/ja/usage/models/readme)で追加してください） +- **再順位付け保持数（Top-K）**：再順位付け後に保持する最も関連性の高い結果数、デフォルトは5 + + +再順位付けモデルはオプションです。設定すると、ナレッジベース検索から返される候補ドキュメントが再順位付けモデルで再スコアリングされ、最も関連性の高い上位K件のみが保持され、大規模モデルに渡されます。無関係な情報の干渉が大幅に減少します。 + + LangBotの組み込みナレッジベースは、ランナーが`Local Agent`に設定されている場合にのみ使用できます。他のランナーについては、それぞれのドキュメントを参照してください。 diff --git a/ja/usage/models/readme.mdx b/ja/usage/models/readme.mdx index d03b9493c..ff2e184b2 100644 --- a/ja/usage/models/readme.mdx +++ b/ja/usage/models/readme.mdx @@ -45,3 +45,19 @@ LangBot Modelsは、LangBotが公式に提供するモデルサービスです - 「埋め込みモデル」ページで「seekdb-内蔵」を選択します； - 「保存」をクリックするとすぐに使用できます； - その後、ナレッジベースでこのモデルを選択すると有効になります。 + +### Chroma内蔵埋め込みモデルの使用（ゼロ設定） +システムにはChromaの内蔵埋め込みモデル（all-MiniLM-L6-v2）が統合されており、パラメータの入力は不要です。 +- 「埋め込みモデル」ページで「chroma-内蔵」を選択します； +- 「保存」をクリックするとすぐに使用できます； +- その後、ナレッジベースでこのモデルを選択すると有効になります。 + +### 再順位付けモデル (Rerank Model) + +再順位付けモデルはRAG検索結果を再スコアリングし、ナレッジベース回答の精度を大幅に向上させます。ナレッジベースが複数の候補ドキュメントを返す場合、再順位付けモデルはクロスエンコーダを使用して各ドキュメントとクエリの関連性を正確にスコアリングし、最も関連性の高いコンテンツのみを選択します。 + +`モデル名`を入力し、`モデルプロバイダー`を選択して送信します。その後、パイプラインの「AI」設定でこのモデルを選択してください。 + + +再順位付けモデルはオプションです。設定しない場合、ナレッジベースの結果は元の検索順序で使用されます。再順位付けモデルを設定すると、結果が再スコアリングされ、最も関連性の高い上位K件のみが保持されます。 + diff --git a/zh/usage/models/readme.mdx b/zh/usage/models/readme.mdx index 1b4acdb0f..e2a656096 100644 --- a/zh/usage/models/readme.mdx +++ b/zh/usage/models/readme.mdx @@ -62,6 +62,12 @@ LangBot Models 是 LangBot 官方提供的模型服务。当您使用 LangBot Sp - 点击「保存」即可立即使用； - 后续在知识库中选择该模型即可生效。 +### 使用 Chroma 内置嵌入模型（零配置） +系统已集成 Chroma 提供的内置嵌入模型（all-MiniLM-L6-v2），无需填写任何参数。 +- 在”嵌入模型”页面选择「chroma-内置」； +- 点击「保存」即可立即使用； +- 后续在知识库中选择该模型即可生效。 + ### 重排序模型 (Rerank Model) 重排序模型用于对 RAG 检索结果进行重新评分排序，显著提升知识库回答的精准度。当知识库返回多个候选文档时，重排序模型会使用 cross-encoder 对每个文档与查询的相关性进行精确打分，筛选出最相关的内容。