Todos os produtos
Search

Este produto

    Platform For AI:Configuração da interface web do PAI-RAG

    Central de documentação

    Platform For AI:Configuração da interface web do PAI-RAG

    Última atualização: Sep 02, 2026

    A interface web do PAI-RAG permite configurar modelos, fragmentação da base de conhecimento, sandbox de código, serviços de busca e ferramentas MCP. Essas configurações permitem ajustar o comportamento de recuperação e resposta a perguntas do sistema RAG.

    Configure modelos

    Clique em Settings > Model no canto inferior esquerdo. Na aba LLM, adicione um modelo.

    Nota

    Implantações all-in-one geram automaticamente um registro de configuração de modelo. Adicione modelos de outras fontes, se necessário.

    • Model ID: Identifica uma configuração de modelo.

    • Endpoint URL: O endpoint de service do modelo.

      Nota

      • Os modelos do Alibaba Cloud Model Studio têm faturamento separado. Billing of Alibaba Cloud Model Studio.

      • Para serviços de modelo EAS, acesse a página de detalhes do serviço, clique em Basic Information e, em seguida, clique em View Endpoint Information. Adicione /v1 ao final da URL do endpoint.

    • API Key: Para o Alibaba Cloud Model Studio, obtain an API key. Para serviços EAS, insira o token obtido nas informações do endpoint.

    • Model Name: O valor depende da implantação. Se o service LLM estiver implantado no EAS com o mecanismo de inferência vLLM, insira o nome específico do modelo, obtido pela API /v1/models. Para todos os outros modos de implantação, defina este campo como default.

    • Multimodal model: Selecione esta opção se estiver usando um modelo multimodal. Esta opção vem desmarcada por padrão.

    • Thinking model: Para modelos que suportam os modos de raciocínio (thinking) e não raciocínio, use esta opção para ativar ou desativar o raciocínio. Esta opção vem desmarcada por padrão.

    Após configurar o modelo, teste-o. Clique em New Chat no painel de navegação à esquerda, selecione o modelo na parte superior da página de chat e inicie uma conversa.

    Configure MCP

    Clique em Settings > MCP no canto inferior esquerdo para adicionar um MCP.

    • MCP Link: A URL do endpoint de service do MCP.

    • MCP Type: SSE, STDIO ou Streamable HTTP.

    • Bearer Token: (Opcional) Token de acesso para autenticação via Bearer token.

    Insira o MCP Name (obrigatório, por exemplo, amaps), selecione Enable by Default conforme necessário e clique em Add.

    Configure busca

    Se a base de conhecimento não tiver informações para responder à pergunta do usuário, ou se a resposta exigir dados em tempo real, ative um service de busca (Tavily ).

    Clique em Settings > Search no canto inferior esquerdo.

    Busca Tavily

    Registre-se no site oficial da Tavily e obtenha uma chave de API.

    1. Selecione Tavily Search na lista suspensa Select Search Engine.

    2. Insira a chave de API no campo Tavily API Key.

    3. Use o controle deslizante para definir o Number of Search Results.

    4. Clique em Save Search Configuration.

    Configure a sandbox de código

    A sandbox de código oferece um ambiente seguro para execução de código Python. Quando ativada, o assistente de IA usa automaticamente a sandbox de código para executar scripts.

    Cenários

    • Análise de dados: Estatísticas, agregação e filtragem. Exemplo: "Analise os dados de vendas e calcule a média de vendas por região."

    • Visualização de dados: Geração de gráficos e plotagem de tendências. Exemplo: "Plote a tendência de vendas do último ano."

    • Operações matemáticas: Cálculos complexos e resolução de equações. Exemplo: "Calcule o desvio padrão desta sequência."

    • Processamento de arquivos: Análise de arquivos CSV, Excel e outros formatos para extrair e transformar dados.

    • Outras tarefas que exigem execução de código

    Pré-requisitos

    Antes de configurar a sandbox de código, conclua as etapas a seguir:

    1. Ative o Function Compute: Acesse o console do Function Compute e siga as instruções para ativá-lo.

    2. Crie um interpretador AgentRun: Acesse o console do AgentRun. Escolha Sandbox no painel de navegação à esquerda. Crie um modelo de sandbox com o tipo Code Interpreter.

      Nota

      O Network Type padrão é Allow the default NIC to access the public network, o que exige que o service RAG tenha acesso à rede pública.

      Alternativamente, selecione Allow access to vpc e configure a mesma vpc para o service RAG.

    3. Obtenha o ID da conta Alibaba Cloud e o Sandbox ID. Se você configurou credenciais de acesso, obtenha também uma chave de API.

    Configuração

    Clique em Settings > Code Sandbox no canto inferior esquerdo e configure os seguintes parâmetros:

    • Enable Sandbox: Ativa ou desativa o recurso de sandbox.

    • Sandbox Type: Apenas sandboxes do Alibaba Cloud FC são suportadas.

    • Alibaba Cloud ID: O ID da sua conta Alibaba Cloud.

    • Interpreter ID: O ID da sandbox.

    • Interpreter Name: O nome do interpretador de código.

    • API Key: O par de AccessKey usado para verificação de identidade.

    • Default Timeout (s): Duração máxima da execução do código em segundos. Padrão: 50.

    Após a configuração, faça upload de um arquivo (como titanic.csv) na interface de chat e faça uma pergunta. O assistente de IA invocará o interpretador de código para executar código Python para análise de dados e retornará os resultados. Por exemplo, ao perguntar "Qual é a proporção entre homens e mulheres?", o assistente de IA lerá os dados com pandas e retornará: 577 homens, 314 mulheres, proporção de aproximadamente 1,84:1.

    Configure a política de fragmentação de arquivos

    As configurações de fragmentação definem o método de fragmentação para documentos em uma base de conhecimento. Isso determina como os documentos são divididos em fragmentos para vetorização e recuperação. Configurações adequadas de fragmentação podem melhorar a taxa de recall e a qualidade das respostas.

    A fragmentação pode ser configurada em dois níveis:

    • Configurações de fragmentação da base de conhecimento: Os arquivos enviados para a base de conhecimento são analisados usando suas configurações padrão.

      Configurações de fragmentação no nível da base de conhecimento: Na área Chunking Settings da aba Knowledge Base Settings, configure os seguintes parâmetros:

      • Chunk Type: ex.: estruturado (structure)

      • Chunk Size: valor recomendado 1000

      • Chunk Overlap: valor recomendado 50

      • Image Understanding Model

      • Embedding Model: ex.: BAAI/bge-m3

    • Nível de arquivo:

      • Ao fazer upload de um arquivo, especifique seus parâmetros de fragmentação individualmente.

        Na área Chunking Configuration da caixa de diálogo de upload de arquivo, defina os seguintes parâmetros:

        • Chunk Type: Selecione o método de fragmentação, ex.: structured (structure)

        • Chunk Size: Defina o tamanho de cada fragmento, ex.: 1000

        • Chunk Overlap: Defina a sobreposição entre fragmentos, ex.: 60

        • Image Understanding Model: Selecione se deseja usar um modelo de compreensão de imagem

        Após a configuração, clique no botão Start Parsing para iniciar a análise.

      • Ao realizar uma operação de reanálise (reparse) em um arquivo existente, especifique novas configurações de fragmentação para acionar o reprocessamento.

        Os parâmetros de fragmentação incluem:

        • Chunk Type: Selecione o método de fragmentação, ex.: estruturado (structure)

        • Chunk Size: valor recomendado 1000

        • Chunk Overlap: valor recomendado 50

        • Image Understanding Model: Usado para compreender o conteúdo da imagem; você pode optar por não usá-lo

    Pré-requisitos

    Antes de configurar as definições de fragmentação, certifique-se de atender aos seguintes pré-requisitos:

    • Uma base de conhecimento: Deve existir uma base de conhecimento ativa no sistema.

    • Uma configuração de embedding: Pelo menos um modelo de embedding deve estar configurado.

    • (Opcional) Um modelo multimodal: Necessário para compreensão de imagem. Configure um modelo de visão no sistema.

    Descrição dos parâmetros

    Parâmetro

    Descrição

    Chunk Type

    Selecione um tipo de fragmento com base nas características do documento:

    • Estruturado: Divide por estrutura (títulos, parágrafos). Adequado para a maioria dos arquivos Markdown, PDF e Word.

    • Por token: Divide pela contagem de tokens. Indicado para requisitos rigorosos de comprimento.

    • Tabela: Divide pela estrutura da tabela. Ideal para arquivos Excel e CSV. Configure Max table header row index, Merge rows, Row delimiter e Format as JSON.

    • Parágrafo: Divide por separador personalizado, como \n\n. Você também pode definir o tamanho do fragmento e a sobreposição.

    Chunk Size

    Comprimento máximo de cada fragmento em caracteres ou tokens, dependendo do tipo de fragmento. Recomendado: 1000.

    Chunk Overlap

    O comprimento da sobreposição entre fragmentos adjacentes. Isso preserva o contexto e evita quebras semânticas. Recomendado: 50.

    Importante

    O tamanho do fragmento deve ser maior que a sobreposição do fragmento.

    Image Understanding Model

    • Interpreta o conteúdo de imagens em documentos, como imagens incorporadas em arquivos PDF ou Markdown.

    • Selecione um modelo de visão configurado na lista suspensa ou opte por não usar nenhum.

    • Quando selecionado, as imagens são interpretadas durante a análise e incluídas na fragmentação e recuperação.

    Vector Model

    • Converte texto fragmentado e resultados de compreensão de imagem em vetores para recuperação.

    • Selecione um modelo de embedding configurado no sistema, como BAAI/bge-m3.
    Nota

    Sugestão de ajuste: Faça upload de alguns documentos com as configurações padrão primeiro. Analise o recall e a precisão no módulo de avaliação e, em seguida, ajuste os parâmetros com base nos resultados.

    Sugestões de uso

    • RAG para documentos longos: Defina Chunk Type como Structured, Chunk Size como 1000 e Chunk Overlap como 50. Isso controla o comprimento do fragmento enquanto preserva o contexto.

    • Fragmentação estrita por separador: Use a fragmentação por Paragraph com um separador personalizado.

    • Dados tabulares: Selecione o tipo de fragmento Table (table) e configure as linhas de cabeçalho e o delimitador de linha. Se você não selecionar Merge rows, o sistema fragmentará os dados por linha. Se selecionar Merge rows, o sistema mesclará linhas em blocos com base no limite de tamanho do fragmento.

    • Documentos multimodais: Ative o Image Understanding Model para incluir conteúdo de imagens de PDFs e outros documentos na recuperação e geração de respostas.

    Configure o FAQ do aplicativo

    O recurso de FAQ mantém uma base de conhecimento de perguntas e respostas por aplicativo. Utilize-o para manuais de product, roteiros de atendimento ao cliente e perguntas frequentes.

    Com o FAQ ativado e as entradas configuradas, as conversas seguem este fluxo:

    1. O assistente de IA recupera a entrada de FAQ mais semelhante à pergunta do usuário.

    2. Se uma correspondência atingir o limiar de similaridade, o sistema retorna a resposta do FAQ diretamente ou gera uma resposta com o modelo com base no resultado do FAQ, dependendo da configuração.

    3. Se nenhuma correspondência for encontrada ou se a opção de retorno direto não estiver ativada, o sistema recorrerá a outros recursos, como base de conhecimento e busca.

    Configuração:

    1. Faça login no sistema e acesse a página de configuração do aplicativo desejado.

    2. Ative FAQ: Na configuração do aplicativo, ative a chave Enable FAQ e salve suas alterações.

    3. Abra a página de gerenciamento de FAQ para realizar as seguintes ações:

      • FAQ Reply Settings: Clique em Settings. Configure o score threshold de similaridade (recomendado entre 0,8 e 1,0), o modelo de embedding, se deve incluir perguntas ou respostas na recuperação e exibição, e se deve retornar resultados de ferramentas diretamente.

      • Gerencie FAQs:

        • Adicionar, editar ou excluir uma única entrada de FAQ.

          • Clique em + Add FAQ, insira a Question e a Answer na caixa de diálogo e clique em Create para adicionar a entrada.

          • Na lista de FAQ, clique no ícone de edição para modificar uma entrada ou no ícone de exclusão para removê-la.

        • Excluir entradas em lote.

          Exclusão em lote: Selecione as caixas de seleção das entradas de FAQ desejadas e clique em Delete selected no canto superior direito para excluir todas as entradas selecionadas.

        • Importação em lote: Faça upload de um arquivo Excel, mapeie as colunas de perguntas e respostas e importe as entradas com um clique.

          Na caixa de diálogo Upload File, selecione um arquivo xlsx ou xls e configure os seguintes parâmetros de análise:

          • Header Row Index: Especifique a posição da linha de cabeçalho. Deixe em branco para usar índices numéricos de coluna (0, 1, 2...)

          • Question Column: Especifique o índice da coluna para perguntas

          • Answer Column: Especifique o índice da coluna para respostas

          Após a configuração, clique em Upload.

    4. Após salvar, as conversas neste aplicativo priorizarão automaticamente a recuperação de FAQ.