Base de conocimientos

La base de conocimientos te permite cargar, procesar y buscar a través de tus documentos con búsqueda vectorial inteligente y fragmentación. Los documentos de varios tipos se procesan, incorporan y hacen buscables automáticamente. Tus documentos se fragmentan de manera inteligente, y puedes verlos, editarlos y buscar a través de ellos utilizando consultas en lenguaje natural.

Carga y procesamiento

Simplemente carga tus documentos para comenzar. Sim los procesa automáticamente en segundo plano, extrayendo texto, creando incrustaciones y dividiéndolos en fragmentos buscables.

El sistema maneja todo el proceso por ti:

1. Extracción de texto: El contenido se extrae de tus documentos utilizando analizadores especializados para cada tipo de archivo
2. Fragmentación inteligente: Los documentos se dividen en fragmentos significativos con tamaño y superposición configurables
3. Generación de incrustaciones: Se crean incrustaciones vectoriales para capacidades de búsqueda semántica
4. Estado del procesamiento: Sigue el progreso mientras tus documentos son procesados

Tipos de archivos compatibles

Sim admite archivos PDF, Word (DOC/DOCX), texto plano (TXT), Markdown (MD), HTML, Excel (XLS/XLSX), PowerPoint (PPT/PPTX) y CSV. Los archivos pueden tener hasta 100MB cada uno, con un rendimiento óptimo para archivos de menos de 50MB. Puedes cargar múltiples documentos simultáneamente, y los archivos PDF incluyen procesamiento OCR para documentos escaneados.

Visualización y edición de fragmentos

Una vez que tus documentos están procesados, puedes ver y editar los fragmentos individuales. Esto te da control total sobre cómo se organiza y busca tu contenido.

Configuración de fragmentos

• Tamaño predeterminado del fragmento: 1.024 caracteres
• Rango configurable: 100-4.000 caracteres por fragmento
• Superposición inteligente: 200 caracteres por defecto para preservar el contexto
• División jerárquica: Respeta la estructura del documento (secciones, párrafos, oraciones)

Capacidades de edición

• Editar contenido de fragmentos: Modificar el contenido de texto de fragmentos individuales
• Ajustar límites de fragmentos: Fusionar o dividir fragmentos según sea necesario
• Añadir metadatos: Mejorar fragmentos con contexto adicional
• Operaciones masivas: Gestionar múltiples fragmentos de manera eficiente

Procesamiento avanzado de PDF

Para documentos PDF, Sim ofrece capacidades de procesamiento mejoradas:

Soporte OCR

Cuando se configura con Azure o Mistral OCR:

• Procesamiento de documentos escaneados: Extraer texto de PDFs basados en imágenes
• Manejo de contenido mixto: Procesar PDFs con texto e imágenes
• Alta precisión: Modelos avanzados de IA aseguran una extracción precisa del texto

Uso del bloque de conocimiento en flujos de trabajo

Una vez que tus documentos son procesados, puedes utilizarlos en tus flujos de trabajo de IA a través del bloque de Conocimiento. Esto permite la Generación Aumentada por Recuperación (RAG), permitiendo a tus agentes de IA acceder y razonar sobre el contenido de tus documentos para proporcionar respuestas más precisas y contextuales.

Características del bloque de conocimiento

• Búsqueda semántica: Encontrar contenido relevante usando consultas en lenguaje natural
• Integración de contexto: Incluir automáticamente fragmentos relevantes en los prompts del agente
• Recuperación dinámica: La búsqueda ocurre en tiempo real durante la ejecución del flujo de trabajo
• Puntuación de relevancia: Resultados clasificados por similitud semántica

Opciones de integración

• Prompts del sistema: Proporcionar contexto a tus agentes de IA
• Contexto dinámico: Buscar e incluir información relevante durante las conversaciones
• Búsqueda multi-documento: Consultar a través de toda tu base de conocimiento
• Búsqueda filtrada: Combinar con etiquetas para una recuperación precisa de contenido

Tecnología de búsqueda vectorial

Sim utiliza búsqueda vectorial impulsada por pgvector para entender el significado y contexto de tu contenido:

Comprensión semántica

• Búsqueda contextual: Encuentra contenido relevante incluso cuando las palabras clave exactas no coinciden
• Recuperación basada en conceptos: Comprende las relaciones entre ideas
• Soporte multilingüe: Funciona en diferentes idiomas
• Reconocimiento de sinónimos: Encuentra términos y conceptos relacionados

Capacidades de búsqueda

• Consultas en lenguaje natural: Haz preguntas en español simple
• Búsqueda por similitud: Encuentra contenido conceptualmente similar
• Búsqueda híbrida: Combina búsqueda vectorial y tradicional por palabras clave
• Resultados configurables: Controla el número y umbral de relevancia de los resultados

Gestión de documentos

Características de organización

• Carga masiva: Sube múltiples archivos a la vez mediante la API asíncrona
• Estado de procesamiento: Actualizaciones en tiempo real sobre el procesamiento de documentos
• Búsqueda y filtrado: Encuentra documentos rápidamente en grandes colecciones
• Seguimiento de metadatos: Captura automática de información de archivos y detalles de procesamiento

Seguridad y privacidad

• Almacenamiento seguro: Documentos almacenados con seguridad de nivel empresarial
• Control de acceso: Permisos basados en espacios de trabajo
• Aislamiento de procesamiento: Cada espacio de trabajo tiene procesamiento de documentos aislado
• Retención de datos: Configura políticas de retención de documentos

Primeros pasos

1. Navega a tu base de conocimiento: Accede desde la barra lateral de tu espacio de trabajo
2. Sube documentos: Arrastra y suelta o selecciona archivos para subir
3. Monitorea el procesamiento: Observa cómo se procesan y dividen los documentos
4. Explora fragmentos: Visualiza y edita el contenido procesado
5. Añade a flujos de trabajo: Usa el bloque de Conocimiento para integrarlo con tus agentes de IA

La base de conocimiento transforma tus documentos estáticos en un recurso inteligente y consultable que tus flujos de trabajo de IA pueden aprovechar para obtener respuestas más informadas y contextuales.