Podsumowanie

Spotkanie dotyczyło budowania i wdrażania wektorowych baz danych dla chatbotów wykorzystujących n8n, a Marek poprowadził demonstrację techniczną.

Zespół zbudował prosty system bazy wiedzy wektorowej, zaczynając od stworzenia słownikowej bazy danych w formacie JSON i konfiguracji niezbędnych węzłów, w tym narzędzi Vector Store, Data Loader i Retrieve Document for Agent.

Marek wyjaśnił teoretyczne podstawy wektorowych baz danych, w tym tokenizację, modele osadzania oraz proces konwersji tekstu na wektory przy użyciu modeli takich jak OpenAI.

Chatbot Rozwój Demo

Marek zademonstrował chatbota wykorzystującego wektorową bazę wiedzy z dwoma głównymi modułami: do ładowania wiedzy oraz tekstową bazę danych załadowaną na Dysku Google zawierającą informacje o usługach. Następnie zespół zaczął budować nowego prostego agenta od zera, zaczynając od konfiguracji odułów agenta i wyboru modelu.

Demo konfiguracji systemu AI Agent

Marek zademonstrował, jak skonfigurować system agentów AI, koncentrując się na dodaniu pamięci i funkcjonalności bazy wiedzy. Wyjaśnił różnicę między węzłami wyzwalającymi a węzłami akcji i pokazał, jak zaimplementować prosty moduł pamięci przechowujący informacje z ostatnich 10 rozmów.

Integracja formularzy i wyszukiwarek

Marek zademonstrował, jak zintegrować formularze z wyszukiwarką, koncentrując się na procesie konfiguracji węzłów formularzy i obsługi przesyłanych plików. Wyjaśnił kroki związane z tworzeniem formularza, w tym dodawanie atrybutów typów plików i testowanie funkcjonalności. Przedstawił również bazę wiedzy w formacie JSON, którą można zintegrować z systemem oraz wyjaśnił jej przydatność dla zewnętrznych baz danych wykorzystywanych z chatbotami.

Demo konfiguracji systemu przetwarzania dokumentów

Marek wyjaśnił logikę i proces konfiguracji tworzenia systemu przetwarzania dokumentów z wykorzystaniem magazynów wektorowych i modeli osadzania. Zademonstrował połączenie węzłów do ładowania, osadzania i pobierania dokumentów, w tym konfigurację narzędzia agenta do wyszukiwania bazy danych.

Wdrożenie systemu wiedzy opartego na wektorach

Marek zademonstrował wdrożenie wektorowego systemu wiedzy dla chatbota, wyjaśniając, jak dane tekstowe są konwertowane na wektory przy użyciu modeli osadzania. Pokazał, jak przesłać do workflow plik JSON zawierający dane bazy wiedzy oraz omówił techniczne aspekty wektorowych baz danych, w tym tokenizację, okna kontekstowe i pomiary podobieństwa semantycznego. Zespół dokonał przeglądu architektury wektorowych baz wiedzy, podkreślając kluczowe komponenty, takie jak węzły ładowania danych i narzędzia pobierania. Marek wyjaśnił, że chociaż obecny system dobrze sprawdza się przy podstawowych wdrożeniach, bardziej zaawansowane narzędzia będą potrzebne do większej kontroli nad zarządzaniem bazą wiedzy w przyszłych sesjach.