Clef · Vyskúšať živú ukážku →
Heabsy
Technológia

Graph-ReAct:
architektúra systému ARGUS

Bežný RAG nájde odseky. ARGUS uvažuje nad celou vašou znalostnou bázou a prepája fakty tak, ako by to urobil skúsený analytik.

Vyžiadať technický popisARGUS v praxi

Jednoduchý RAG verzus ARGUS

Zásadný rozdiel v tom, ako AI rozumie vašim dokumentom

Jednoduchý RAG

Vektorové vyhľadávanie jedným dopytom

Dopyt
Vektorová DB
Top-K úsekov
Odpoveď

Lineárne vyhľadávanie — bez uvažovania, bez súvislostí

  • Nájde izolované odseky
  • Prehliada súvislosti medzi dokumentmi
  • Nevie spojiť viac zdrojov do jednej odpovede
  • Zlyháva pri otázkach na viac krokov
  • Odpovede nemajú auditnú stopu

ARGUS

Architektúra Graph-ReAct

Dopyt
Dok. A
Fakt 1
Dok. B
Fakt 2
Dok. C
Fakt 3
Zdôvodnená odpoveď

Prechod grafom s postupným uvažovaním

  • Znalostný graf vytvára priebežne
  • Prepája fakty z rôznych dokumentov
  • Uvažuje vo viacerých krokoch (slučka ReAct)
  • Zvládne zložité otázky na päť a viac krokov
  • Úplná auditná stopa
Dohľadateľnosť

Záznam dôkazov

Každá odpoveď systému ARGUS má úplnú auditnú stopu. Presne vidíte, z ktorých dokumentov vychádzala, aké fakty sa z nich vybrali a ako z nich vznikla výsledná odpoveď.

  • Zdrojové dokumenty s číslami strán
  • Vybrané fakty s mierou istoty
  • Znázornenie reťazca uvažovania
  • Pripravené na export pre audity súladu

„V regulovaných odvetviach nie je dohľadateľnosť funkcia navyše, ale požiadavka.“

Záznam dôkazov
Dopyt
„Ktoré ustanovenia o zodpovednosti v zmluve A sú v rozpore so smernicou B?“
Krok 1: analýza dokumentu
→ V súbore „Zmluva A.pdf“ nájdené 3 ustanovenia o zodpovednosti (s. 12, 15, 23)
→ Istota: 0,94
Krok 2: porovnanie
→ Porovnané so súborom „Smernica B.pdf“, časti 4.1 a 4.3
→ Nájdené 2 rozpory
Výsledná odpoveď
Článok 5.2 zmluvy A obmedzuje zodpovednosť na 50 000 €, kým smernica B v časti 4.3 vyžaduje krytie najmenej 100 000 €…

Ukážka formátu výstupu, nie prípad klienta: dokumenty, čísla ustanovení aj hodnota istoty sú vymyslené. Skutočná je na nej forma — každý krok uvádza svoj zdroj a rozpor je opísaný z oboch strán, nie zhrnutý.

Znalostný graf

Pripravený na veľké objemy dokumentov

ARGUS dokumenty nielen ukladá, ale získava z nich aj významové vzťahy a vytvára znalostný graf, ktorý prepája fakty zo všetkých vašich dokumentov a na ktorý sa dá priamo pýtať.

260 000+
Sémantických trojíc
entity a vzťahy vybrané jazykovým modelom
19 000+
Zaindexovaných dokumentov
vzájomne prepojené odkazmi
46,4 %
Prepojenosť grafu
nárast z 1 % vďaka zjednoteniu entít
94 %
Menej ostrovov
izolované zhluky spojené do súvislého grafu

Ako to funguje

1
Extrakcia trojíc: jazykový model vyberie z každého úseku dokumentu subjekt → vzťah → objekt
2
Zjednotenie entít: odstránenie duplicít pomocou embeddingov zlúči „CEO“, „generálny riaditeľ“ a meno tej istej osoby do jedného uzla
3
Fúzia RRF: skóre vektorovej podobnosti a prechodu grafom sa pre hybridné vyhľadávanie spájajú metódou Reciprocal Rank Fusion
Nasadenie bez trénovania

Spustenie za niekoľko dní, nie mesiacov

Na rozdiel od klasických riešení strojového učenia netreba ARGUS trénovať na vašich údajoch. Pripojíte zdroje dokumentov a hneď sa môžete pýtať.

Deň 1

Pripojenie zdrojov

Napojenie na vaše existujúce úložiská dokumentov, SharePoint, S3 alebo databázy.

Dni 2 – 3

Indexovanie a nastavenie

Znalostný graf vznikne automaticky, nastavenia relevancie sa doladia.

Od 4. dňa

Ostrá prevádzka

Systém odpovedá na zložité otázky, výsledky sledujeme a vylepšujeme.

Chcete ísť do technických podrobností?

Vyžiadajte si technický popis: schémy architektúry, metodiku benchmarkov a špecifikácie integrácie.

Vyžiadať technický popisDohodnúť konzultáciu k architektúre

Časté otázky o technológii Graph-ReAct

Čo znamená Graph-ReAct v systéme ARGUS?+
Graph-ReAct spája dve časti: znalostný graf, ktorý ARGUS postaví z vašich dokumentov, a slučku ReAct, v ktorej systém striedavo uvažuje, hľadá a overuje, čo našiel. ARGUS tak ide po odkazoch medzi dokumentmi, namiesto toho, aby len vytiahol najpodobnejšie odseky, a je navrhnutý na otázky na päť a viac krokov.
Ako vzniká znalostný graf z našich dokumentov?+
V troch krokoch. Jazykový model vyberie z každého úseku textu trojice subjekt — vzťah — objekt. Zjednotenie entít pomocou embeddingov zlúči „CEO“, „generálny riaditeľ“ a meno tej istej osoby do jedného uzla. Pri vyhľadávaní sa skóre vektorovej podobnosti a prechodu grafom spájajú metódou Reciprocal Rank Fusion.
Čo ukazuje záznam dôkazov pri odpovedi systému ARGUS?+
Zdrojové dokumenty s číslami strán, vybrané fakty s mierou istoty a reťazec uvažovania krok po kroku; záznam sa dá exportovať na audit súladu. Rozpory sú opísané z oboch strán, nie zhrnuté.
Treba ARGUS pred spustením trénovať na našich údajoch?+
Nie. Prvý deň sa pripoja zdroje, na druhý a tretí deň automaticky vznikne znalostný graf a nastaví sa relevancia, od štvrtého dňa ARGUS odpovedá na zložité otázky. Údaje klientov sa na trénovanie modelov nepoužívajú; ako to upravuje zmluva, nájdete na stránke Bezpečnosť a dôvera.
Aké zdroje údajov sa dajú pripojiť k systému ARGUS?+
Existujúce úložiská dokumentov, SharePoint, S3 a databázy. Pripojenie je prvým krokom zavedenia a nevyžaduje trénovanie. Kde potom prebieha spracúvanie — na vašich serveroch alebo na našom hardvéri v EHP —, rozhodujete vy.

Naposledy aktualizované: