Natrag na AI agenti vodič

Oriphiel AI agenti vodič

Hybrid retrieval, reranking i citations

Kako spojiti keyword i vector pretragu, filtrirati po ovlastima, rerankati kandidate i vratiti provjerljive reference uz odgovor.

Oriphiel stručni tim Ažurirano 22. 7. 2026. 3 min čitanja

Odgovor ukratko

Hybrid retrieval povećava recall, reranker poboljšava redoslijed, a citation mora voditi na točan odlomak i verziju koju je agent stvarno koristio.

Ključne odluke

  • Koji metadata filter vrijedi
  • Koliki top-k ide u reranking
  • Kada agent mora reći da nema izvor
  • Kako se mjeri retrieval kvaliteta

Provedba korak po korak

Cilj ove lekcije je Kako spojiti keyword i vector pretragu, filtrirati po ovlastima, rerankati kandidate i vratiti provjerljive reference uz odgovor. Korake treba provoditi redom i svaki potvrditi prije širenja opsega.

Preporučeni redoslijed

  • Izgraditi BM25 i vector candidate set
  • Filtrirati tenant, permission i verziju
  • Rerankati prema upitu
  • Uz output vratiti source ID, naslov i odlomak

Praktičan primjer

Upit prvo dohvaća rezultate iz ključnih riječi i embeddingsa, permission filter uklanja nedopuštene dokumente, reranker bira pet isječaka, a odgovor navodi stvarne source ID-eve.

Kontrolna lista prije nastavka

Ova provjera odvaja završenu implementaciju od postavke koja samo izgleda dovršeno.

Provjerite

  • Nedopušten dokument nikad nije kandidat
  • Citirani tekst podupire tvrdnju
  • Stari dokument ima niži ili blokiran status
  • No-answer prag je testiran

Najčešće pogreške i rizici

Rizike treba provjeriti prije povećanja prometa, automatizacije ili ovlasti sustava.

Na što treba paziti

  • Vector similarity se smatra dokazom
  • Citira se naslov bez relevantnog odlomka
  • Reranker vidi dokumente iz drugog tenanta
  • Agent izmisli citation URL

Mjerenje rezultata

Učinak se procjenjuje kroz mali skup metrika koje su povezane s ciljem lekcije i stvarnim poslovnim ishodom.

Metrike koje imaju smisla

  • Recall@k
  • MRR ili nDCG
  • Citation correctness
  • Unsupported answer rate

Česta pitanja

Koji je prvi korak za temu „Hybrid retrieval, reranking i citations”?

Izgraditi BM25 i vector candidate set Prije nastavka potvrdite odluku: Koji metadata filter vrijedi

Kako provjeriti da je provedba uspješna?

Nedopušten dokument nikad nije kandidat Nakon toga pratite metriku: Recall@k.

Koju pogrešku treba prvo spriječiti?

Vector similarity se smatra dokazom Problem ispravite prije automatizacije ili povećanja budžeta.

Službeni i stručni izvori

Sučelja, pravila i preporuke mogu se mijenjati. Prije produkcijske izmjene provjerite aktualnu dokumentaciju.

Povezane AI-agent lekcije

RAG, vector search i embeddingsKako agent dohvaća relevantne dokumente, FAQ, ponude i CRM bilješke kroz chunking, embeddings i semantičku pretragu. Retrieval eval datasetKako izgraditi skup pitanja, relevantnih dokumenata, hard negative primjera i no-answer slučajeva za objektivno mjerenje RAG dohvaćanja. Prompt injection i nepouzdani sadržajKako spriječiti da email, web stranica, PDF, tool output ili retrieval dokument preuzme kontrolu nad uputama i alatima agenta. Arhitektura AI agenta u OpenClaw-uReferentna arhitektura za OpenClaw AI agente: ulaz, context builder, model, tool dispatcher, validacija, zapis stanja i audit log.

Povežite ovu temu s ostatkom sustava

OpenClaw automatizacijePrimijenite agente na jasan CRM proces s vlasnikom i mjerljivim ishodom. CRM dozvole i sigurnostUskladite tools, uloge i podatkovni opseg s backend kontrolama. Strukturirani podaciPripremite strojno čitljive izlaze i sadržaj koji se može pouzdano validirati.

Primijenite lekciju na stvarni projekt

Pošaljite postojeću konfiguraciju, cilj i problem koji želite riješiti. Dobit ćete prijedlog sljedećeg tehničkog ili operativnog koraka.

Pošaljite upitPregledajte sve vodiče