Saltar al contenido principal

Fuentes de Datos de Archivos

Beak AI Studio permite a los agentes usar archivos como fuentes de datos, admitiendo una amplia variedad de formatos y métodos de integración, incluidas cargas directas y conexiones a repositorios de documentos.

Tipos de Archivos Compatibles​

  • CSV (Valores Separados por Comas)
  • Excel (XLS, XLSX)
  • PDF (para extracción de texto)
  • DOCX (documentos de Word)
  • Texto sin formato (TXT)
  • JSON
  • XML
  • Otros formatos comunes de documentos y datos

Métodos de Integración​

  • Cargar Archivos:
    • Cargue archivos directamente desde su equipo local a través de la interfaz de Studio.
    • Compatible con cargas individuales y masivas (de múltiples archivos).
  • Documentos de SharePoint:
    • Conéctese a bibliotecas o carpetas de documentos de SharePoint para acceso empresarial a documentos.
    • Requiere la URL del sitio de SharePoint y la autenticación adecuada (OAuth2 o token de API).

Cómo Agregar una Fuente de Datos de Archivos​

  1. Navegue a Fuentes de Datos

    • En Studio, vaya a la pestaña "Data Sources".

  2. Agregue una Nueva Fuente de Archivos

    • Haga clic en "Add Data Source" y seleccione "File".

  3. Elija el Método de Integración

    • Cargar Archivos: Seleccione archivos desde su equipo (compatible con múltiples archivos a la vez).
    • Documentos de SharePoint: Ingrese la URL de la carpeta de SharePoint y autentíquese.

  4. Opción de Base de Datos Vectorial

  5. Guardar

    • Guarde la fuente de datos para su uso en flujos de trabajo de agentes.

Opción de Almacén Vectorial al Cargar Archivos​

Al cargar archivos, puede optar por habilitar o deshabilitar el almacenamiento en un almacén vectorial. Esta elección afecta la manera en que sus datos pueden ser buscados, recuperados y utilizados por los agentes.

¿Qué es un Almacén Vectorial?​

Un almacén vectorial guarda el contenido de los archivos como representaciones de alta dimensión (embeddings), lo que habilita la búsqueda semántica y la recuperación contextual. Esto resulta especialmente útil para datos no estructurados (texto, documentos, PDFs) y aplicaciones impulsadas por IA.

Elegir Usar un Almacén Vectorial​

  • Ventajas:

    • Habilita la búsqueda semántica (encuentra contenido similar, no solo coincidencias exactas)
    • Compatible con la generación aumentada por recuperación (RAG) para LLMs
    • Mejora las preguntas y respuestas sobre documentos, la síntesis y la extracción de conocimiento
    • Escala bien para grandes colecciones de documentos

  • Escenarios de Ejemplo:

    • Cargar una base de conocimientos de artículos de soporte para preguntas y respuestas semánticas
    • Almacenar artículos de investigación para búsqueda por similitud y revisión bibliográfica
    • Permitir a los agentes responder preguntas basadas en contratos o políticas cargados

Optar por No Usar el Almacenamiento en Base de Datos Vectorial​

  • Ventajas:

    • Reduce los costos de almacenamiento e indexación para datos simples o estructurados
    • Garantiza el cumplimiento normativo cuando la vectorización no está permitida (p. ej., datos sensibles o regulados)
    • Más sencillo para datos tabulares o cuando solo se requiere acceso básico a archivos

  • Escenarios de Ejemplo:

    • Cargar archivos CSV o Excel para extracción o transformación directa de datos
    • Almacenar archivos donde solo se requieren metadatos o contenido sin procesar
    • Flujos de trabajo orientados al cumplimiento normativo donde no se permiten embeddings

Cómo Decidir​

  • Use un almacén vectorial si necesita búsqueda avanzada, recuperación semántica o planea usar funciones impulsadas por LLM sobre texto no estructurado.
  • Opte por no usarlo si solo necesita acceso básico a archivos, trabaja con datos estructurados/tabulares o tiene restricciones de cumplimiento normativo.

Casos de Uso de Ejemplo​

  • Importación Masiva de Datos: Cargue múltiples archivos CSV o Excel para procesar grandes conjuntos de datos (almacén vectorial opcional; a menudo no es necesario para datos tabulares).
  • Síntesis de Documentos: Extraiga y sintetice contenido de informes en PDF o DOCX (se recomienda el almacén vectorial para búsqueda y recuperación semántica).
  • Búsqueda Empresarial de Documentos: Conéctese a una biblioteca de SharePoint y permita a los agentes buscar y recuperar documentos (el almacén vectorial habilita la búsqueda semántica).
  • Transformación de Datos: Analice y transforme archivos JSON o XML para flujos de trabajo posteriores (almacén vectorial opcional).
  • Preguntas y Respuestas sobre Contratos: Cargue contratos y permita a los agentes responder preguntas utilizando generación aumentada por recuperación (se recomienda ampliamente el almacén vectorial).

Funciones de Carga Masiva​

  • Seleccione y cargue múltiples archivos en una sola operación.
  • Los archivos se procesan en paralelo para mayor eficiencia.
  • La opción de almacén vectorial puede aplicarse a todos los archivos en una carga masiva.

Opciones de Almacenamiento e Indexación de Archivos​

Beak AI Studio admite nuevos modos de indexación y recuperación de archivos para adaptarse a casos de uso diversos:

Búsqueda Inteligente​

  • Recuperación semántica de fragmentos: recupere rápidamente la oración o el pasaje más relevante mediante embeddings de IA.
  • Ideal para aplicaciones de FAQ, preguntas y respuestas y conocimiento donde los usuarios necesitan respuestas concisas y significativas.

Búsqueda Inteligente Estructurada​

  • Combine consultas estructuradas (filtros, facetas, selección de columnas) con recuperación semántica para una precisión y relevancia híbridas.
  • Compatible con análisis avanzados, archivos de formato mixto y casos de uso empresariales.

Acceso Completo al Contenido​

  • Explore, busque y navegue directamente por cada parte de un archivo (para revisión en profundidad, cumplimiento normativo o necesidades de contexto completo).
  • Permite a agentes y usuarios referenciar el contenido completo del archivo, no solo fragmentos extraídos.

Seleccionar un Modo:

  • Elija su modo preferido de recuperación/indexación de archivos al configurar una nueva fuente de datos de archivos o una carga.
  • Los modos pueden combinarse o cambiarse según los requisitos del flujo de trabajo.

Buenas Prácticas​

  • Considere su caso de uso y los requisitos de cumplimiento normativo antes de habilitar el almacenamiento en almacén vectorial.
  • Para texto no estructurado y búsqueda impulsada por IA, los almacenes vectoriales ofrecen ventajas significativas.
  • Para datos estructurados o archivos sensibles al cumplimiento normativo, opte por no usarlos para minimizar el riesgo y el costo.