L’aggiornamento dei dati RAG è la capacità di un sistema di recupero di riflettere la fonte attuale approvata, comprese modifiche, eliminazioni e variazioni di accesso. Caricare regolarmente nuovi documenti è solo una parte del lavoro. Vecchi frammenti, risposte in cache e percorsi di eliminazione falliti possono continuare a influenzare ciò che dice un assistente.
Definite l’aggiornamento come un contratto osservabile dalla fonte alla risposta, con un percorso deliberato per modifiche, ritiri e variazioni dei permessi. Conservate identità dei documenti e prove delle versioni, riconciliate l’indice con la fonte e verificate che il contenuto ritirato non compaia più. Un timestamp recente di acquisizione non dimostra da solo una risposta attuale o autorizzata.
Immaginate un assistente interno che risponde a una domanda su una procedura di un fornitore. Il reparto operativo ha sostituito il documento, ma l’assistente recupera un frammento della versione superata. La risposta può essere fluida e citare correttamente quel vecchio frammento, pur indirizzando il personale verso il processo sbagliato.
Questa guida riguarda la manutenzione dei dati di recupero dopo il primo rilascio. La nostra spiegazione del RAG introduce l’approccio generale; qui bisogna decidere come mantenere affidabile un workflow di conoscenza esistente.
Definire l’aggiornamento dei dati RAG per ogni fonte
Chiedete quali modifiche contano e quanto rapidamente l’azienda deve vederle riflesse. Un manuale storico, un record di magazzino in tempo reale e una politica ritirata non hanno requisiti di aggiornamento identici. Definite aspettative separate quando cambiano le conseguenze delle informazioni obsolete.
Identificate la fonte autorevole e chi la approva. Una cartella condivisa può contenere bozze, duplicati e materiale archiviato. Acquisire tutto ciò che è cambiato recentemente non stabilisce quale versione il personale debba seguire. L’autorità del contenuto richiede una regola aziendale prima di diventare una regola di indicizzazione.
| Modifica della fonte | Comportamento del sistema da definire | Prove da esaminare |
|---|---|---|
| Revisione approvata | Sostituire o superare il contenuto indicizzato pertinente | Riferimenti alle versioni originali e indicizzate |
| Ritiro del documento | Escluderlo dal recupero | Assenza nei test di recupero controllati |
| Modifica dei permessi | Applicare il nuovo confine di accesso | Risultati con le identità interessate |
| Spostamento o rinomina | Preservare o cambiare deliberatamente l’identità | Mappatura stabile e riconciliazione dei link |
| Errore di acquisizione | Mostrare lo stato obsoleto o non disponibile | Allarme assegnato e ultima versione confermata |
Non promettete un intervallo universale di aggiornamento prima di comprendere API della fonte, indicizzazione e requisito operativo. La proposta di un fornitore deve indicare cosa è misurabile, cosa può ritardarlo e cosa fa l’assistente durante un aggiornamento in attesa.
Preservare l’identità tra documenti e frammenti
Assegnate ai record originali un’identità stabile che sopravviva agli aggiornamenti ordinari quando la fonte lo supporta. Conservate versione, posizione di recupero e relazione con i frammenti. Il solo nome del file può essere insufficiente quando i file vengono rinominati, copiati o sostituiti nella stessa posizione.
La panoramica Microsoft degli indicizzatori Azure AI Search descrive gli indicizzatori come componenti di acquisizione dalle fonti dati. Leggete il comportamento effettivo di rilevamento delle modifiche del connettore scelto. Un’esecuzione pianificata è un meccanismo, non la prova che ogni operazione originale venga rilevata.
Mantenete ispezionabile la mappatura tra fonte e frammenti. Quando cambia un paragrafo, il sistema deve sapere quali frammenti precedenti sono superati. Aggiungerne di nuovi senza ritirare i vecchi può produrre prove contrastanti, anche quando ogni embedding è tecnicamente valido.
Registrate come sono stati prodotti i campi derivati. Estrazione del testo, normalizzazione e suddivisione possono cambiare il significato indicizzato. Quando una risposta diventa errata dopo un aggiornamento della pipeline, l’operatore deve poter distinguere una revisione della fonte da una modifica di estrazione o recupero.
Trattare l’eliminazione come un ciclo di vita distinto
Non presumete che un file scomparso dallo storage elimini automaticamente la sua rappresentazione indicizzata. Le indicazioni Microsoft sul rilevamento di modifiche ed eliminazioni distinguono esplicitamente il monitoraggio degli aggiornamenti dal rilevamento delle eliminazioni per gli indicizzatori di storage e descrivono le strategie supportate.
L’implementazione dipende dalla piattaforma, ma la domanda di accettazione è generale: dopo un ritiro approvato, l’assistente può ancora recuperare il vecchio materiale? Testate indice pertinente, frammenti derivati e cache delle risposte invece di ispezionare soltanto la cartella originale.
Riconciliare dopo un’eliminazione interrotta
Conservate una registrazione dei ritiri finché non viene confermato lo stato a valle. Se l’oggetto originale viene rimosso definitivamente prima che l’indicizzatore osservi il marcatore di eliminazione, il sistema può perdere il segnale da cui dipendeva. Usate il ciclo di vita supportato dal provider scelto e verificate lo stato finale.
Includete nel progetto le trasformazioni da uno a molti. Un documento può creare diversi frammenti o record. Il percorso di eliminazione deve considerare questi oggetti derivati. Rimuovere una riga di metadati padre lasciando figli recuperabili non costituisce un ritiro accettato.
Applicare le modifiche dei permessi al momento del recupero
Un contenuto aggiornato può comunque essere quello sbagliato per l’utente richiedente. Identificate dove vengono applicati i diritti attuali dell’utente e dell’organizzazione. Copiare una volta un permesso originale nei metadati non dimostra che una successiva modifica di appartenenza raggiunga il confine del recupero.
Le linee guida OWASP sull’autorizzazione raccomandano di verificare l’accesso a ogni richiesta. Applicate questo principio al recupero e ai link della risposta. Una citazione non deve rivelare un titolo o estratto di documento che l’utente non può consultare.
| Livello di recupero | Modifica da testare | Domanda di accettazione |
|---|---|---|
| Connettore della fonte | Cambia l’appartenenza a utenti o gruppi | L’acquisizione preserva il perimetro previsto? |
| Query di ricerca | Un utente perde l’accesso al documento | Il documento è escluso dai risultati? |
| Cache delle risposte | Una risposta precedente contiene testo riservato | Una richiesta successiva può ricevere quella divulgazione in cache? |
| Link della citazione | Cambia la posizione della fonte | L’utente raggiunge la versione corretta consentita? |
La nostra guida all’assistente IA interno tratta il workflow generale dei dipendenti. La manutenzione dell’aggiornamento deve inserirsi in quel modello di permessi, invece di creare un percorso dati separato con un’autorità più ampia.
Rendere visibili agli operatori le prove obsolete
Registrate l’ultima versione originale confermata e il punto raggiunto dal processo di acquisizione. Separate recupero della fonte, estrazione, indicizzazione e validazione del recupero. Una pipeline può acquisire correttamente senza indicizzare il contenuto rivisto, quindi un unico timestamp dell’ultima esecuzione può essere fuorviante.
Scegliete gli allarmi in base all’aspettativa concordata per la fonte. Un documento d’archivio invariato non richiede un allarme soltanto perché è vecchio. Un aggiornamento fallito di una procedura operativa può richiedere un’indagine anche se l’indice è stato aggiornato correttamente poco prima.
Mostrate agli utenti uno stato di incertezza appropriato quando non è possibile stabilire prove attuali. Potrebbe essere una richiesta di consultare il responsabile o il rifiuto di rispondere da una fonte ritirata. Evitate di presentare con sicurezza testo obsoleto soltanto perché esiste un risultato di recupero.
Mantenete proporzionati i log. Identificatori originali, versioni ed esiti della pipeline possono sostenere l’indagine senza copiare ogni documento riservato in un sistema generale di telemetria. Concordate separatamente accesso e conservazione per i contenuti acquisiti.
Testare l’intero ciclo di vita con documenti controllati
Create un piccolo corpus controllato con affermazioni riconoscibili e versioni deliberatamente diverse. Ponete la stessa domanda pertinente prima e dopo un aggiornamento, un ritiro o una modifica dei permessi. Esaminate le prove recuperate insieme alla risposta finale.
Includete elaborazioni fallite e ritardate. Sospendete un aggiornamento controllato tra le fasi, poi dimostrate come il sistema riprende e riconcilia. Testate casi di rinomina, sostituzione e fonti duplicate supportati dal connettore previsto. Documentate la decisione attesa sull’identità.
La nostra guida alla valutazione degli agenti IA spiega come distinguere una risposta utile dalla prova del risultato accettato. Qui l’accettazione comprende il ritiro del materiale di recupero superato e l’applicazione dell’accesso attuale del richiedente, non semplicemente la produzione di una prosa che sembri più recente.
Conservate i dati di test del ciclo di vita come casi di regressione. Ricontrollateli dopo modifiche a estrazione, suddivisione, indicizzazione o caching. Un nuovo modello di recupero può migliorare la pertinenza delle risposte e contemporaneamente esporre un problema di record obsoleti prima nascosto.
Confrontare una riparazione con una pipeline sostitutiva
Iniziate localizzando l’interruzione nel ciclo di vita. Gestione delle eliminazioni mancante, identità instabile o cache con perimetro errato possono consentire una riparazione delimitata. Un nuovo database vettoriale non correggerà un’autorità originale incerta o un’acquisizione che non registra mai i ritiri.
| Pacchetto di lavoro | Risultato | Fattore che determina il perimetro |
|---|---|---|
| Audit del ciclo di vita | Mappa di identità ed errori dalla fonte all’indice | Numero e comportamento dei connettori |
| Riparazione di aggiornamenti ed eliminazioni | Modifiche di stato ripetibili a valle | Frammenti derivati e contratti dei provider |
| Verifica dei permessi | Prove attuali di recupero nel perimetro dell’utente | Appartenenze originali e progettazione della cache |
| Operazioni | Riconciliazione e allarmi assegnati | Aspettative di aggiornamento richieste |
| Consegna | Dati di test del ciclo di vita e documentazione | Frequenza delle modifiche a fonti e pipeline |
Richiedete proposte in GBP legate a questi risultati. Separate riparazione iniziale dai costi di acquisizione, storage, recupero e manutenzione continua. Un prezzo basato solo sul numero di documenti può omettere la parte difficile: mantenere aggiornati e autorizzati i documenti giusti.
Il nostro progetto pilota delimitato di integrazione IA può partire da una risposta obsoleta e dalla sua fonte autorevole. Inviateci l’aggiornamento o il ritiro ignorato dall’assistente per discutere un’indagine delimitata e una riparazione del ciclo di vita accettata.
Domande frequenti
Che cos’è l’aggiornamento dei dati RAG? È il rapporto tra il materiale originale attuale approvato e le prove disponibili per recupero e risposte. Comprende aggiornamenti, ritiri, modifiche di identità e permessi, non soltanto la data dell’ultima acquisizione.
La reindicizzazione rimuove automaticamente i documenti eliminati? Non necessariamente. Verificate il comportamento di eliminazione supportato dal connettore scelto e controllate frammenti derivati e record padre. Alcune piattaforme richiedono una strategia di eliminazione esplicita.
Dobbiamo ricalcolare gli embedding di ogni documento a ogni esecuzione? Non è un requisito universale. Usate identità originale stabile e rilevamento delle modifiche quando appropriato, quindi riconciliate lo stato risultante. Il risultato importante sono prove di recupero attuali, complete e autorizzate.
Quanto deve essere aggiornato il sistema? Definitelo in base a fonte e conseguenze. Un’istruzione operativa ritirata può richiedere un trattamento diverso da un archivio storico. Specificate il comportamento atteso di aggiornamento e il ripiego quando non può essere rispettato.
La cache delle risposte può creare risultati obsoleti? Sì. Un indice attuale non invalida automaticamente una vecchia cache delle risposte. Testate il rapporto della cache con versioni originali, ritiri e permessi utente, compreso ciò che accade dopo la revoca dell’accesso.
Perché contano i file rinominati? Possono cambiare l’identità o la posizione usata da un connettore. Altrimenti il sistema può creare un duplicato o perdere la mappatura ai frammenti precedenti. Definite se la rinomina preserva lo stesso record originale e testate il comportamento effettivo del provider.
Serve un nuovo database vettoriale? Non automaticamente. Localizzate prima il difetto nel ciclo di vita. Un problema delimitato di aggiornamento, eliminazione o cache può essere riparabile nella pipeline esistente. La sostituzione deve essere giustificata rispetto agli stessi requisiti di aggiornamento e responsabilità.
Cosa deve consegnare un fornitore di manutenzione? Mappature delle fonti, regole del ciclo di vita, istruzioni di riconciliazione, documenti di regressione controllati e prove dei test di aggiornamento, ritiro e permessi. Includete i limiti noti dei connettori e il responsabile degli errori irrisolti.