Giselle のクエリ ノード

クエリ ノードは、接続されたデータソースから情報を検索し、取得するために設計された Giselle の強力なコンポーネントです。その主要な機能は、データセットに対してクエリ(質問や検索用語など)を実行し、最も関連性の高い結果を返すことです。 現在、クエリ ノードは GitHub ベクター ストア ノード との連携に最適化されており、Giselle ワークフロー内で検索拡張生成(RAG)アプリケーションを作成するための重要な構成要素となっています。

クエリ ノードの使用方法

クエリ ノードの設定では、キャンバスに追加し、データソースを接続し、クエリを実行します。

1. クエリ ノードの追加

キャンバス下部のノードツールバーから、虫眼鏡のアイコンで識別されるクエリ ノードを選択し、ワークスペースに配置します。

2. データソースの接続

クエリ ノードが機能するには、データソースからの入力が必要です。データソース ノード(GitHub ベクター ストア ノードなど)の 出力 をクエリ ノードの 入力 に接続する必要があります。データソースが接続されるまで、ノードは接続を待機していることを示します。

3. クエリの記述と実行

データソースが接続されると、クエリ ノードを設定できます:
  • クエリを入力: 設定パネルで、「クエリ」入力フィールドに質問や検索用語を入力します。
  • クエリを実行: クエリを実行 ボタンをクリックして、接続されたデータソースに対して検索を実行します。

4. 結果の確認

クエリが実行された後、結果はノードのパネルに直接表示されます。結果には通常以下が含まれます:
  • 見つかった結果数の要約。
  • ソースドキュメントから取得された関連するテキストの「チャンク」のリスト。
  • 各チャンクの類似度スコア(例:58%)で、クエリとの関連性を示します。
各チャンクを展開して、その内容とメタデータを表示できます。

中核的な用途:検索拡張生成(RAG)

クエリ ノードの主要な目的は、検索拡張生成(RAG) ワークフローを可能にすることです。RAG は、応答を生成する前に、独自のデータソースから関連性が高く最新の情報を提供することで、大規模言語モデル(LLM)の機能を強化します。 Giselle における典型的な RAG ワークフローは次のようになります:
  1. データソース(GitHub ベクター ストア ノード): GitHub リポジトリからドキュメントを取得してベクトル化し、検索可能にします。
  2. クエリ ノード: ユーザーの質問(クエリ)を受け取り、ベクター ストアから最も関連性の高いテキストチャンクを取得します。
  3. ジェネレーター ノード: 元の質問クエリ ノードの出力から取得された情報を受け取ります。この組み合わされたコンテキストを使用して、より正確で詳細、かつ事実に基づいた回答を生成します。

クエリ ノードの出力

クエリ ノードの 結果 出力には、取得されたデータチャンクのコレクションが含まれます。この構造化されたデータは、後続ノード(最も一般的にはジェネレーター ノード)に渡され、テキスト生成のための動的なコンテキストとして機能できます。
クエリ用のデータソース設定の詳細については、GitHub ベクター ストア ノード のドキュメントをご覧ください。