Bilgi Tabanları
Genel Bakış
Bilgi Tabanı, Bağlam Zenginleştirmeli Üretim (RAG) özelliğinin veri kaynağıdır. Kendi dokümanlarınızı (kullanım kılavuzu, iç prosedür, güncel mevzuat metni, hesap tablosu vb.) yükler, Apinizer bunları otomatik olarak yönetir:
- Yükleme — Doküman (metin, PDF veya Excel) bilgi tabanına eklenir
- Parçalama (chunking) — Doküman, anlamlı küçük parçalara otomatik olarak bölünür
- İndeksleme — Her parça sayısal bir temsile (embedding) çevrilip vektör veritabanına yazılır. Koleksiyon, embedding modelinin ürettiğinden farklı bir vektör boyutuyla zaten varsa doküman başarısız olur. Bkz. Vektör Boyutu Uyuşmazlığı
Bu üç adım da otomatiktir. Parçalama için varsayılan Parça Boyutu ve Parça Örtüşmesi değerleri hazır gelir; isterseniz bilgi tabanını oluştururken değiştirebilirsiniz.
Vektör Boyutu Uyuşmazlığı
Bir koleksiyon tek bir vektör boyutu tutar. Bir dokümanı başka boyutta vektör üreten bir modelle embedding'e çevirirseniz indeksleme başarısız olur. Doküman satırı şu mesajı gösterir:
Vector dimension mismatch: the collection has dimension X, the embedding model produces Y. Use a collection with the model's dimension or a model with the collection's dimension.
X mevcut koleksiyonun boyutudur. Y embedding modelinin ürettiği boyuttur. Apinizer koleksiyonu silmez ve yeniden oluşturmaz. Modelin boyutuna sahip bir koleksiyon kullanın veya koleksiyonun boyutunu üreten bir model seçin. Mesaj tüm ekran dillerinde İngilizce görünür. Apinizer boyutu Qdrant, pgvector ve Redis koleksiyonları için denetler.
Bir modeli belirli bir bilgiyle donatmanın klasik yolu yeniden eğitmektir (fine-tuning) — yavaş ve maliyetlidir. Bilgi tabanı, aynı amacı çok daha hafif ve dinamik şekilde karşılar: yeni bir doküman yüklediğinizde bilgi anında güncellenir, model yeniden eğitilmez.
Desteklenen Doküman Türleri
- Düz metin (
.txt,.md) — doğrudan yapıştırılabilir veya yüklenebilir - PDF (
.pdf) — PDF içeriği otomatik olarak metne çevrilip indekslenir; çıkarım sırasında bir sorun oluşursa doküman atlanır ve bilgi tabanının geri kalanı etkilenmez - Excel (
.xlsx,.xls) — her sayfa (sheet) ve satır ayrı ayrı işlenir; her hücre değeri, hangi sayfaya ve hangi satıra ait olduğu bilgisiyle birlikte metne çevrilir, böylece bir chunk tek başına da anlamlı kalır. Formül içeren hücrelerde formülün kendisi değil, dosyanın en son kaydedildiğinde hesaplanmış sonuç değeri indekslenir.
Aşırı büyük bir çalışma kitabının belleği taşırmaması için üç tavan uygulanır: en fazla 50 sayfa, sayfa başına en fazla 20.000 satır, çalışma kitabının tamamı için en fazla 5.000.000 karakter. Bir tavana ulaşıldığında indeksleme durdurulmaz — o ana kadar okunan içerik indekslenir ve metnin sonuna kesildiğini belirten görünür bir not eklenir; doküman hata almaz, kısmi içerikle indekslenmiş sayılır. Şifre korumalı bir Excel dosyası indekslenemez ve hata durumuna düşer.
Bilgi Tabanı Oluşturma
AI Gateway → RAG sayfasının Bilgi Tabanları tab'ına gidin.
Bilgi Tabanı Ekle'ye tıklayın ve formu doldurun:
| Alan | Açıklama | Zorunlu |
|---|---|---|
| Ad | RAG'i yapılandırırken seçeceğiniz ad. | Evet |
| Açıklama | Serbest metin not. | Hayır |
| Vector Veritabanı | Embedding'lerin saklanacağı vektör veritabanı bağlantısı. | Evet |
| Embedding Sağlayıcı | Embedding'leri üretecek sağlayıcı. Yalnızca embedding destekleyen sağlayıcılar listelenir. | Evet |
| Embedding Modeli | Bu sağlayıcının embedding modeli. | Evet |
| Koleksiyon Adı | Bu bilgi tabanının vektörlerinin vektör veritabanında tutulduğu koleksiyon. | Evet |
| Parça Boyutu | Her parçanın karakter cinsinden uzunluğu; 100 ile 8192 arası. | Hayır (varsayılan 1000) |
| Parça Örtüşmesi | Ardışık parçaların paylaştığı karakter sayısı. | Hayır (varsayılan 200) |
Dokümanları aynı formda ekleyebilirsiniz; kaydettiğinizde yüklenir.
Metin, PDF veya Excel dokümanlarınızı yükleyin. Apinizer dokümanı otomatik olarak parçalayıp indeksler.
İlgili API proxy'sinde AI RAG Injection politikasını ekleyip bu bilgi tabanını kaynak olarak seçin. Detaylar için Bağlam Zenginleştirmeli Üretim (RAG) sayfasına bakın.
Bilgi Tabanını Yönetme
Bilgi tabanları tam CRUD desteğiyle yönetilir: doküman ekleyebilir, çıkarabilir, bilgi tabanını düzenleyebilir, satır menüsündeki Çoğalt ile kopyalayabilir veya tamamen silebilirsiniz. Her bilgi tabanının bir durumu vardır: Aktif, İndeksleniyor veya Hata. Bilgi tabanı sayfasındaki Yeniden İndeksle, mevcut vektörleri siler ve dokümanlardan yeniden oluşturur; çalışırken güncel durum için Yenile'ye tıklayın.
Bir bilgi tabanını silme işlemi herhangi bir bağımlılık kontrolüne takılmadan gerçekleşir. Silme onay penceresi, bilgi tabanının koleksiyonuna atıfta bulunan RAG politikası sayısını bulunabildiğinde bilgi amaçlı gösterir — ancak bu yalnızca bilgilendirici bir uyarı metnidir, bir engel değildir: sayı görünse de görünmese de (sayı sorgusu başarısız olursa hiçbir uyarı gösterilmeden sessizce devam eder) Sil onayı verildiğinde silme işlemi hemen tamamlanır.
Silme ile birlikte bilgi tabanının vektör veritabanındaki kayıtları da kalıcı olarak temizlenir. Aynı koleksiyonu paylaşan başka bir bilgi tabanı yoksa koleksiyonun tamamı silinir; paylaşan bir bilgi tabanı varsa yalnızca silinen bilgi tabanına ait kayıtlar kaldırılır ve paylaşılan koleksiyon korunur.
Silinen bir bilgi tabanına veya onun koleksiyonuna hâlâ deploy edilmiş bir RAG politikası atıfta bulunuyorsa, o politika sonraki her istekte hata alır ve isteği engellemeye başlar — bkz. Bağlam Zenginleştirmeli Üretim (RAG) sayfasındaki fail-closed davranışı. Bir bilgi taban ını silmeden önce onu kullanan RAG politikalarını güncelleyin veya kaldırın.
LLM, embedding gibi temel yapay zeka kavramları için Yapay Zeka Temel Kavramları sayfasına bakabilirsiniz.
Bilgi tabanları ve dokümanları APIops REST API ile de yönetilebilir; bkz. API Referansı: Knowledge Bases.