Что такое поиск текста семантического ядра?

Реализация RAG с помощью поиска в интернете

В следующем примере кода можно выбрать вариант между использованием Bing или Google для выполнения операций поиска в Интернете.

Создать экземпляр текстового поиска

Каждый пример создает экземпляр текстового поиска, а затем выполняет операцию поиска, чтобы получить результаты для предоставленного запроса. Результаты поиска содержат фрагмент текста из веб-страницы, описывающей его содержимое. Это обеспечивает только ограниченный контекст, т. е. подмножество содержимого веб-страницы и нет ссылки на источник информации. В последующих примерах показано, как устранить эти ограничения.

Веб-поиск Bing

using Microsoft.SemanticKernel.Data;
using Microsoft.SemanticKernel.Plugins.Web.Bing;

// Create an ITextSearch instance using Bing search
var textSearch = new BingTextSearch(apiKey: "<Your Bing API Key>");

var query = "What is the Semantic Kernel?";

// Search and return results
KernelSearchResults<string> searchResults = await textSearch.SearchAsync(query, new() { Top = 4 });
await foreach (string result in searchResults.Results)
{
    Console.WriteLine(result);
}

Поиск в Интернете Google

using Microsoft.SemanticKernel.Data;
using Microsoft.SemanticKernel.Plugins.Web.Google;

// Create an ITextSearch instance using Google search
var textSearch = new GoogleTextSearch(
    searchEngineId: "<Your Google Search Engine Id>",
    apiKey: "<Your Google API Key>");

var query = "What is the Semantic Kernel?";

// Search and return results
KernelSearchResults<string> searchResults = await textSearch.SearchAsync(query, new() { Top = 4 });
await foreach (string result in searchResults.Results)
{
    Console.WriteLine(result);
}

Использовать результаты текстового поиска, чтобы дополнить запрос

Следующие шаги — создать плагин на основе веб-поиска по тексту и вызвать этот плагин, чтобы добавить результаты поиска в промпт.

В приведенном ниже примере кода показано, как это сделать:

1. Kernel Создайте службу OpenAI, зарегистрированную. Это будет использоваться для вызова модели gpt-4o с промптом.
2. Создайте экземпляр текстового поиска.
3. Создайте плагин поиска из экземпляра текстового поиска.
4. Создайте шаблон промпта, который будет вызывать плагин поиска с поисковым запросом и включать в промпт результаты поиска вместе с исходным запросом.
5. Вызовите запрос и отобразите ответ.

Модель предоставит ответ, который находится в основе последних сведений, доступных в веб-поиске.

Веб-поиск Bing

using Microsoft.SemanticKernel.Data;
using Microsoft.SemanticKernel.Plugins.Web.Bing;

// Create a kernel with OpenAI chat completion
IKernelBuilder kernelBuilder = Kernel.CreateBuilder();
kernelBuilder.AddOpenAIChatCompletion(
        modelId: "gpt-4o",
        apiKey: "<Your OpenAI API Key>");
Kernel kernel = kernelBuilder.Build();

// Create a text search using Bing search
var textSearch = new BingTextSearch(apiKey: "<Your Bing API Key>");

// Build a text search plugin with Bing search and add to the kernel
var searchPlugin = textSearch.CreateWithSearch("SearchPlugin");
kernel.Plugins.Add(searchPlugin);

// Invoke prompt and use text search plugin to provide grounding information
var query = "What is the Semantic Kernel?";
var prompt = "{{SearchPlugin.Search $query}}. {{$query}}";
KernelArguments arguments = new() { { "query", query } };
Console.WriteLine(await kernel.InvokePromptAsync(prompt, arguments));

Поиск в Интернете Google

using Microsoft.SemanticKernel.Data;
using Microsoft.SemanticKernel.Plugins.Web.Google;

// Create a kernel with OpenAI chat completion
IKernelBuilder kernelBuilder = Kernel.CreateBuilder();
kernelBuilder.AddOpenAIChatCompletion(
        modelId: "gpt-4o",
        apiKey: "<Your OpenAI API Key>");
Kernel kernel = kernelBuilder.Build();

// Create an ITextSearch instance using Google search
var textSearch = new GoogleTextSearch(
    searchEngineId: "<Your Google Search Engine Id>",
    apiKey: "<Your Google API Key>");

// Build a text search plugin with Google search and add to the kernel
var searchPlugin = textSearch.CreateWithSearch("SearchPlugin");
kernel.Plugins.Add(searchPlugin);

// Invoke prompt and use text search plugin to provide grounding information
var query = "What is the Semantic Kernel?";
var prompt = "{{SearchPlugin.Search $query}}. {{$query}}";
KernelArguments arguments = new() { { "query", query } };
Console.WriteLine(await kernel.InvokePromptAsync(prompt, arguments));

Существует ряд проблем с приведенным выше примером:

1. Ответ не содержит ссылок на веб-страницы, которые использовались в качестве обосновывающего контекста.
2. Ответ будет включать данные с любого веб-сайта, было бы лучше ограничить это доверенными сайтами.
3. Для формирования контекста, на который опирается модель, используется только фрагмент каждой веб-страницы; этот фрагмент может не содержать данных, необходимых для точного ответа.

См. страницу с описанием модулей поиска текста, где представлены решения этих проблем.

Далее мы рекомендуем ознакомиться с абстракциями поиска текста.

Скоро

В ближайшее время будет больше.

Скоро

В ближайшее время будет больше.