ไฟล์ข้อมูลและ RAG

Data Files ให้คุณแนบเอกสารอ้างอิงกับ Template AI จะใช้เอกสารเหล่านี้เป็นบริบทเพิ่มเติมเมื่อประมวลผลการอัปโหลดของคุณ — เรียกว่า Retrieval-Augmented Generation (RAG)

รูปแบบไฟล์ที่รองรับ

วิธีทำงาน

1. คุณอัปโหลดไฟล์ข้อมูลหนึ่งไฟล์หรือมากกว่าไปยัง Template
2. เมื่อประมวลผลเอกสาร Vector Store ของ Ocriva จะ Index ไฟล์ข้อมูล
3. AI ดึงส่วนที่เกี่ยวข้องที่สุดจากไฟล์ข้อมูลพร้อมกับเนื้อหาเอกสาร
4. AI สามารถอ้างอิงบริบทนี้เพื่อเพิ่มความแม่นยำในการดึงข้อมูล

กรณีใช้งาน Data Files

• แคตตาล็อกสินค้า — แนบรายการ JSON ของรหัสและชื่อสินค้า เพื่อให้ AI แก้ไข Abbreviation ที่พบในใบกำกับ
• รายชื่อลูกค้า — ให้ CSV/JSON ของชื่อและรหัสลูกค้าที่รู้จัก เพื่อให้ AI Normalize ชื่อผู้ขาย
• กฎการดึงข้อมูล — ไฟล์ Markdown อธิบายกฎเฉพาะธุรกิจ เช่น "ถ้ารหัสแผนกขึ้นต้นด้วย 'MKT' ให้ Tag เป็น Marketing"
• อภิธานศัพท์ — กำหนดคำศัพท์เฉพาะในอุตสาหกรรมของคุณ เพื่อให้ AI เข้าใจ Jargon ในโดเมน

ตัวอย่าง Data File

product-catalog.json:

[
  { "code": "PRD-001", "name": "คีย์บอร์ดไร้สายแป้นพิมพ์ภาษาไทย", "category": "อิเล็กทรอนิกส์" },
  { "code": "PRD-002", "name": "USB-C Hub 7 พอร์ต", "category": "อิเล็กทรอนิกส์" },
  { "code": "PRD-003", "name": "เก้าอี้สำนักงาน Ergonomic", "category": "เฟอร์นิเจอร์" }
]

เมื่อใบกำกับอ้างอิงถึง PRD-002 AI จะ Populate ชื่อสินค้าเป็น "USB-C Hub 7 พอร์ต" โดยอัตโนมัติ แทนที่จะปล่อยเป็นแค่รหัสเปล่าๆ

ตัวอย่าง Extraction Rules

ไฟล์ Markdown เหมาะอย่างยิ่งสำหรับการเข้ารหัส Business Logic ที่ปกติต้องใช้การประมวลผลหลังการดึงข้อมูลแบบกำหนดเอง AI อ่านกฎระหว่างการดึงข้อมูลและนำไปใช้แบบ Inline ขณะดึงค่าของ Field

extraction-rules.md:

# Invoice Extraction Rules
 
## Department Codes
- Codes starting with `MKT` → tag as "Marketing"
- Codes starting with `ENG` → tag as "Engineering"
- Codes starting with `FIN` → tag as "Finance"
 
## Currency Handling
- Always convert amounts to THB
- If no currency symbol is present, assume THB
- Round to 2 decimal places
 
## Vendor Name Normalization
- "บ." or "บจ." → expand to "บริษัท ... จำกัด"
- Remove trailing spaces and special characters

เมื่อ AI พบรหัสแผนกเช่น MKT-04 บนใบกำกับ ระบบจะดึง Rule Chunk ที่เกี่ยวข้องและ Tag Field ที่ดึงออกมาเป็น "Marketing" โดยอัตโนมัติ โดยไม่ต้องมีขั้นตอนการประมวลผลหลังการดึงข้อมูล

ตัวอย่าง Lookup Table

ไฟล์ข้อความธรรมดาเหมาะสำหรับการค้นหาแบบ Key-Value อย่างง่าย ให้เขียนแต่ละรายการในบรรทัดของตัวเอง เพื่อให้ Vector Store สามารถดึงแต่ละแถวได้อย่างมีประสิทธิภาพ

country-codes.txt:

Country Code Lookup
TH = Thailand
US = United States
JP = Japan
SG = Singapore
GB = United Kingdom
DE = Germany
CN = China
AU = Australia

หากเอกสารมีรหัสประเทศสองตัวอักษรเช่น SG AI จะดึงแถวที่ตรงกันและขยายเป็น "Singapore" ในผลลัพธ์ที่ดึงออกมา

สถานการณ์จริง: การประมวลผลใบกำกับด้วย RAG

การสาธิตต่อไปนี้แสดงให้เห็นว่าการรวม Data Files หลายไฟล์ให้ผลลัพธ์การดึงข้อมูลที่สมบูรณ์และแม่นยำยิ่งขึ้น

การตั้งค่า

• Template: ตัวดึงข้อมูลใบกำกับที่มี Field vendor_name, line_items, department, total_thb
• Data files ที่แนบ:
  • product-catalog.json — จับคู่รหัสสินค้ากับชื่อเต็มและหมวดหมู่
  • extraction-rules.md — กฎการ Tag แผนกและกฎการ Normalize สกุลเงิน

การอัปโหลด

คุณอัปโหลด PDF ใบกำกับที่สแกน ใบกำกับมี:

• ชื่อผู้ขายเขียนว่า "บ. เทคโนโลยี จก."
• รายการสินค้าเป็น PRD-001 x2, PRD-003 x1
• ยอดรวมย่อยในสกุล USD: $120.00
• รหัสแผนก: ENG-12

สิ่งที่ RAG ทำ

หากไม่มี Data Files AI จะคืนค่ารหัสและ Abbreviation ดิบ ด้วย RAG แต่ละค่าจะถูก Resolve และ Normalize ในรอบเดียว

เคล็ดลับสำหรับ Data Files

• ให้ไฟล์มีขนาดเล็กและมุ่งเน้น — ตั้งเป้าที่ต่ำกว่า 1 MB ต่อไฟล์ ไฟล์ขนาดใหญ่เพิ่ม Latency ในการดึงข้อมูลและอาจทำให้ Vector Store คืน Chunk ที่เกี่ยวข้องน้อยลง แยกแคตตาล็อกขนาดใหญ่ออกเป็นไฟล์เฉพาะโดเมน (เช่น catalog-electronics.json, catalog-furniture.json) แทนที่จะอัปโหลดไฟล์เดียวที่ใหญ่โต
• อัปเดต Data Files เมื่อข้อมูลอ้างอิงเปลี่ยนแปลง — หากแคตตาล็อกสินค้าของคุณได้รับการอัปเดต ให้อัปโหลดไฟล์ใหม่เพื่อให้ Vector Store สะท้อนรายการล่าสุด Data Files ที่ล้าสมัยจะทำให้ AI คืนค่าที่ไม่ถูกต้อง
• เลือกรูปแบบที่เหมาะสมสำหรับแต่ละวัตถุประสงค์ — ใช้ .md สำหรับกฎและคำแนะนำเชิงบรรยาย .json สำหรับการค้นหาที่มีโครงสร้างซึ่งมีหลาย Field และ .txt สำหรับการแมปแบบหนึ่งต่อหนึ่งอย่างง่าย การผสมเนื้อหาต่างประเภทในไฟล์เดียวจะลดความแม่นยำในการดึงข้อมูล
• หลีกเลี่ยงเนื้อหาที่ละเอียดอ่อน — Data Files จะถูกส่งไปยัง Vector Store ของผู้ให้บริการ AI ใช้สำหรับเนื้อหาอ้างอิงที่ไม่ละเอียดอ่อนเท่านั้น เช่น แคตตาล็อกสินค้า อภิธานศัพท์ หรือเอกสารกฎ