Identifique orígenes de datos para agregarlos a una base de conocimientos o conector
Sugerir cambios
PDF
Identifica o crea los documentos (fuentes de datos) que residen en tu sistema de archivos FSx para ONTAP que integrarás en tu base de conocimientos. Estas fuentes de datos permiten a la base de conocimientos proporcionar respuestas precisas y personalizadas a las consultas de los usuarios basadas en datos relevantes para su organización.
Número máximo de orígenes de datos
El número máximo de orígenes de datos admitidos es 10.
Ubicación de los orígenes de datos
Los orígenes de datos pueden almacenarse en un único volumen o en una carpeta dentro de un volumen, en un recurso compartido de SMB o exportación NFS en un sistema de archivos Amazon FSx para NetApp ONTAP. Los orígenes de datos también pueden almacenarse en Amazon FSx para volúmenes de NetApp ONTAP que se encuentran en una relación de protección de datos de NetApp SnapMirror.
No puede seleccionar documentos individuales dentro de un volumen o carpeta, por lo tanto, debe asegurarse de que cada volumen o carpeta que contenga orígenes de datos no contenga documentos extraños que no deberían integrarse con su base de conocimientos.
Puede añadir varias fuentes de datos a cada base de conocimientos, pero todos ellos tienen que residir en sistemas de archivos FSx para ONTAP a los que puede acceder desde su cuenta de AWS.
El tamaño máximo de archivo para cada origen de datos es de 50 MB.
Protocolos compatibles
Las bases de conocimientos admiten datos de volúmenes que usan protocolos NFS o SMB/CIFS. Al seleccionar archivos almacenados con el protocolo SMB, debe introducir la información de Active Directory para que la base de conocimientos pueda acceder a los archivos de esos volúmenes. Esto incluye el dominio de Active Directory, la dirección IP, el nombre de usuario y la contraseña.
Al almacenar su fuente de datos en un recurso compartido (archivo o directorio) al que se accede a través de SMB, los usuarios o grupos de chatbot solo pueden acceder a los datos. Cuando se habilita esta “capacidad de detección de permisos”, el sistema AI comparará el correo electrónico del usuario en auth0 con los usuarios autorizados para ver o usar los archivos en el recurso compartido SMB. El chatbot proporcionará respuestas basadas en los permisos de usuario para los archivos incrustados.
Por ejemplo, si ha integrado 10 archivos (fuentes de datos) en su base de conocimientos, y 2 de los archivos son archivos de recursos humanos que contienen información restringida, solo los usuarios de chatbot que están autenticados para acceder a esos archivos 2 recibirán respuestas del chatbot que incluyen datos de esos archivos.
Formatos de archivo de origen de datos compatibles
Los siguientes formatos de archivo de origen de datos se admiten actualmente con las bases de conocimiento GenAI de fábrica de cargas de trabajo.
| Formato de archivo | Extensión |
|---|---|
Apache Parquet[1] |
.parquet |
Valores separados por comas file[1] |
.csv |
Formato de intercambio de gráficos |
.gif |
JPEG |
.jpg or.jpeg |
JSON y JSONP[1] |
.json |
Rebaja |
.md |
Microsoft Word |
.doc o .docx |
Texto sin formato |
.txt |
Formato de documento portátil |
|
Gráficos de red portátiles |
.png |
Imagen WebP |
.webp |