LangChain thử nghiệm OpenWiki và đồ thị bằng chứng để xây dựng bộ nhớ có căn cứ cho AI agent
LangChain đã thử nghiệm OpenWiki, trình biên dịch wiki mã nguồn mở của mình, như một lớp bộ nhớ lâu dài cho các AI agent phải làm việc với những tài liệu phân tán. Trong một thư viện bảo hiểm tổng hợp gồm 111 tài liệu dài và 972 sự kiện được theo dõi, cùng một agent trả lời các câu hỏi yêu cầu kết nối nhiều nguồn chính xác hơn khoảng năm lần khi được dùng wiki đã biên dịch thay vì chỉ tìm kiếm bằng từ khóa. OpenWiki đã rút gọn bộ tài liệu xuống còn khoảng một phần mười kích thước ban đầu với chi phí 4,15 USD; việc cập nhật thêm tài liệu sau đó tốn khoảng 0,09 USD mỗi tài liệu. Mỗi phát biểu trong wiki được liên kết với các dòng nguồn hỗ trợ và một mã băm, vì vậy khi nguồn thay đổi, hệ thống có thể phát hiện các khẳng định bị ảnh hưởng để mô hình kiểm tra; đồ thị bằng chứng bổ sung liên kết các khẳng định với đoạn nguồn và những nguồn liên quan, giúp tăng độ chính xác 27%, tăng gấp đôi độ nhất quán của trích dẫn và giảm 58% chi phí cho mỗi câu trả lời đúng so với chỉ dùng wiki. Với các câu hỏi tra cứu đơn giản chỉ cần một đoạn nguồn, hai cách tiếp cận cho kết quả gần tương đương: độ chính xác 0,84 khi tìm kiếm so với 0,83 khi dùng wiki. Kết quả cho thấy bộ nhớ được biên dịch và liên kết với nguồn đặc biệt hữu ích khi agent phải xử lý các bản sửa đổi, mâu thuẫn và quan hệ phụ thuộc giữa nhiều tài liệu doanh nghiệp; với câu hỏi đơn giản, tìm kiếm thông thường có thể vẫn nhanh và đủ hiệu quả.
Các nhóm phát triển agent, đặc biệt trong doanh nghiệp có nhiều quy định và tài liệu liên kết, có thể thử mô hình wiki biên dịch kèm đồ thị bằng chứng để giảm việc agent phải suy luận lại từ đầu và tăng khả năng trích dẫn nhất quán. Với câu hỏi tra cứu đơn giản, tìm kiếm thông thường vẫn có thể đủ nhanh và chính xác.
Đọc bài gốc