Tablestore:Recuperação e classificação

WEIGHT (fusão ponderada)

Aplica pesos proporcionais às pontuações das recuperações vetorial e de texto completo. WEIGHT é a estratégia padrão do sistema. Utilize-a quando precisar de controle refinado sobre a contribuição de cada caminho de recuperação. Esta é a escolha recomendada como padrão.

RRF (fusão de classificação recíproca)

Combina resultados de múltiplos caminhos de recuperação ponderando o recíproco de suas classificações. O RRF não exige chamadas adicionais de modelo, oferece baixa latência e entrega resultados estáveis.

Configure o RRF conforme o exemplo abaixo:

{
  "rerankingConfiguration": {
    "type": "RRF",
    "numberOfResults": 5,
    "rrfConfiguration": {
      "denseVectorSearchWeight": 0.6,
      "fullTextSearchWeight": 0.4,
      "k": 20
    }
  }
}

MODEL (Rerank por modelo)

Invoca um modelo de Rerank, como gte-rerank-v2, para reclassificar os resultados candidatos. Essa estratégia proporciona a maior qualidade de classificação, mas adiciona latência e custo computacional.

Recomendações de estratégia

Operadores de comparação

Operadores de conjunto e correspondência

Operadores de combinação lógica

Os operadores andAll, orAll e notAll suportam aninhamento, permitindo a construção de lógicas de filtro combinadas complexas.

Exemplos de filtro

Consulte documentos cuja categoria seja "technology" ou "science", cuja pontuação seja maior ou igual a 60 e cujo título comece com a palavra chinesa para "product":

{
  "filter": {
    "andAll": [
      {"in": {"key": "category", "value": ["technology", "science"]}},
      {"greaterThanOrEquals": {"key": "score", "value": 60}},
      {"startsWith": {"key": "title", "value": "产品"}}
    ]
  }
}

Use orAll para implementar lógica OR e consultar documentos cujo status seja "active" ou cuja pontuação seja maior que 90:

{
  "filter": {
    "orAll": [
      {"equals": {"key": "status", "value": "active"}},
      {"greaterThan": {"key": "score", "value": 90}}
    ]
  }
}

SDK

from tablestore_agent_storage import AgentStorageClient

client = AgentStorageClient(
    api_key="<your-api-key>",
    ots_endpoint="https://<instance>.<region>.ots.aliyuncs.com",
    ots_instance_name="<instance-name>",
)

resp = client.retrieve({
    "knowledgeBaseName": "product_docs_kb",
    "retrievalQuery": {"type": "TEXT", "text": "What are the installation steps for the product?"}
})

for r in resp["data"]["retrievalResults"]:
    print(f"[{r['score']:.4f}] {r['content'][:80]}...")

resp = client.retrieve({
    "knowledgeBaseName": "product_docs_kb",
    "subspace": ["default"],
    "retrievalQuery": {"type": "TEXT", "text": "What are the installation steps for the product?"},
    "retrievalConfiguration": {
        "searchType": ["DENSE_VECTOR", "FULL_TEXT"],
        "denseVectorSearchConfiguration": {"numberOfResults": 10},
        "fullTextSearchConfiguration": {"numberOfResults": 10},
        "rerankingConfiguration": {
            "type": "RRF",
            "numberOfResults": 5,
            "rrfConfiguration": {
                "denseVectorSearchWeight": 0.6,
                "fullTextSearchWeight": 0.4,
                "k": 60
            }
        },
        "filter": {
            "andAll": [
                {"in": {"key": "category", "value": ["产品文档"]}}
            ]
        }
    }
})

for result in resp["data"]["retrievalResults"]:
    print(f"[score={result['score']:.4f}] {result['content'][:100]}...")
    print(f"  source: {result['ossKey']}, chunkId: {result['chunkId']}")

from tablestore_agent_storage import AgentStorageClient
from tablestore_agent_storage.models import (
    RetrieveRequest, RetrievalQuery, RetrievalQueryType
)

client = AgentStorageClient(
    api_key="<your-api-key>",
    ots_endpoint="https://<instance>.<region>.ots.aliyuncs.com",
    ots_instance_name="<instance-name>",
)

resp = client.retrieve(RetrieveRequest(
    knowledge_base_name="product_docs_kb",
    retrieval_query=RetrievalQuery(
        text="What are the installation steps for the product?",
        type=RetrievalQueryType.TEXT
    )
))

TypeScript

import { AgentStorageClient } from '@tablestore/agent-storage';

const client = new AgentStorageClient({
  apiKey: '<your-api-key>',
  endpoint: 'https://<instance>.<region>.ots.aliyuncs.com',
  instanceName: '<instance-name>',
});

const resp = await client.retrieve({
  knowledgeBaseName: 'product_docs_kb',
  retrievalQuery: { type: 'TEXT', text: 'What are the installation steps for the product?' },
});

for (const r of resp.data.retrievalResults) {
  console.log(`[${r.score.toFixed(4)}] ${r.content.slice(0, 80)}...`);
}

API

Chame Retrieve para execute a recuperação. Para obter detalhes completos sobre campos de solicitação, campos de resposta e descrições de operadores de filtro, consulte Retrieve Knowledge API.

Relações do parâmetro numberOfResults

O processo de recuperação envolve três configurações de numberOfResults. Compreender a relação entre elas é fundamental para o ajuste fino:

denseVectorSearchConfiguration.numberOfResults = N1  ← Vector retrieval recall count
fullTextSearchConfiguration.numberOfResults          = N2  ← Full-text retrieval recall count
rerankingConfiguration.numberOfResults               = N3  ← Final return count after Rerank

• N1 e N2 determinam o tamanho do pool de candidatos. Valores maiores aumentam a taxa de recall, mas também elevam o custo computacional.

• N3 define a quantidade de resultados finais retornados. Geralmente, N3 < N1 e N3 < N2.

• (Recomendado) Inicie com N1 = N2 = 20 e N3 entre 5 e 10. Ajuste esses valores gradualmente com base nos resultados obtidos.

Seleção do tipo de recuperação

Recomendações de uso do filtro de metadados

• O filtro restringe o escopo de candidatos antes da recuperação, melhorando tanto a precisão da busca quanto o desempenho.

• Defina os campos de filtro como metadados durante a criação da base de conhecimento. Não é possível adicioná-los em tempo de execução.

• Para filtragem por intervalo de datas, prefira o tipo date em vez do tipo string para habilitar operadores de comparação de intervalo.