Rehber RAG botu PDF’deki bilgiyi bulamıyorsa önce ne kontrol edilmeli?

PDF’de görünen bir cümle RAG botu tarafından bulunamıyorsa önce model seçimini değil, dosyadan çıkarılan metni kontrol edin. Sayfa görüntüsü, bozuk karakterler veya karışmış sütun sırası doğru bilginin arama dizinine girmesini engelleyebilir. Model, arama aşamasına hiç ulaşmayan metni güvenilir biçimde kullanamaz.

Görsel sayfa ile metin katmanı aynı değildir​

Taranmış bir sözleşmede insanın okuyabildiği yazı yalnız resim olabilir. Başka bir PDF’de metin vardır, fakat iki sütunun satırları birbirine karışmıştır. Tablo hücrelerinin ayrı ayrı çıkarılması da hangi tutarın hangi koşula ait olduğunu kaybettirebilir. Bu sorunlar daha büyük bir sohbet modeliyle kendiliğinden düzelmez.

Kaybolan bilgiyi adım adım izleyin​

1. Belgede kısa bir cümle seçin. Botun bulamadığı koşulu veya adı tam olarak belirleyin. Soru çok genel olduğunda hatanın yerini anlamak zorlaşır.
2. Çıkarılmış metni görüntüleyin. Bilgi tabanının belge veya parça önizlemesinde aynı cümlenin bulunup bulunmadığını kontrol edin. Harfler bozuksa kaynak dönüşümünü düzeltin.
3. Gerekirse OCR uygulayın. Taranmış belgeyi güvenilir bir metin çıkarma sürecinden geçirin. OCR sonucunda özellikle sayı, eksi işareti ve tarihleri asıl sayfayla karşılaştırın.
4. Parça sınırını inceleyin. Cümlenin şartı bir parçada, sonucu diğerinde kalmışsa başlık ve bağlamı birlikte taşıyan bölümleme yapın. Her şeyi tek dev parçaya dönüştürmek de arama seçiciliğini düşürebilir.
5. Yeniden işleyip aynı soruyu deneyin. Yeni metnin gerçekten dizine eklendiğini kontrol edin. Eski belgenin kopyası sonuçlarda kalıyorsa hangi sürümün kullanıldığını ayırın.

Tablo bilgisi için küçük bir iyileştirme​

Bir tablo satırını metne dönüştürürken sütun başlıklarını koruyun. Örneğin “Plan: Standart; kullanıcı sınırı: 5; koşul: aynı ekip” biçimi, yalnız “Standart 5” metninden daha anlaşılırdır. Bu dönüşümü otomatik yapıyorsanız birkaç satırı özgün sayfayla doğrulayın.

Metin doğru çıkarıldığı halde sonuç gelmiyorsa sonraki araştırma arama yöntemi ve eşik ayarıdır. İki aşamayı ayırmak, yanlış katmanda sürekli model veya istem değiştirmenizi önler.