הכנת תוכן לאחזור RAG באמצעות כותרות באתר

הכנת תוכן לאחזור RAG מתחילה בכותרות באתר שמציינות בבירור את הנושא, ואחריהן מקטעים שמכילים די הקשר כדי להיות מובנים גם בפני עצמם. בעלי אתרים יכולים להפוך את דפי המקור לברורים וקלים יותר לבדיקה. הם אינם יכולים להבטיח תוצאת אחזור או לשלוט במערך הקליטה של ספק השירות.

בפועל, התמקדו בשלושה דברים:

• תארו בכל כותרת את הישות, המשימה, הכלל או התנאי;
• השאירו יחד את התשובה הישירה, ההקשר החיוני והחריגים;
• קבעו מראש קבוצת שאילתות והשוו בנפרד אחזור, תמיכת ציטוטים ושלמות התשובה.

מי, איך ולמה. מדריך זה מיועד למנהלי תיעוד ולבעלי תוכן באתר. הוא משלב סקירה של המימוש הנוכחי של סריקה ותשובות מבוססות ב-Achla, תיעוד ראשוני מתוארך ופרוטוקול בדיקה שבשליטת בעל האתר. הפרוטוקול טרם הורץ, ולכן כל התוצאות אינן ידועות. מטרתו לעזור לבעלי אתרים לבדוק שינויים שבשליטתם — לא לטעון שכותרות מבטיחות תשובות טובות יותר.

מה הופך תוכן באתר לקל יותר לאחזור ב-RAG?

יצירה מועשרת באחזור, או RAG, משתמשת בחומר מקור שאוחזר כדי לבסס תשובה שנוצרה. מערכת אחזור עשויה לבחון קטע בנפרד משאר העמוד. לדוגמה, התיעוד של Azure AI Search מבית Microsoft מתאר חלוקה של מסמכים גדולים כדי להתאים חלקים מהם באופן עצמאי. זהו תיאור של המערכת של Microsoft, ולא נוסחה אוניברסלית לכותרות.

לכן, מבחינת בעל האתר, תוכן שמוכן לאחזור הוא תוכן שהמקטעים החשובים בו נשארים מובנים גם כאשר הם מוצגים עם הקשר מצומצם. מקטע מועיל מציין את הנושא, עונה על שאלה אחת קוהרנטית, מבהיר תנאים רלוונטיים ומשאיר חריגים קריטיים בקרבת מקום. מבנה ברור מקל לבדוק את המקור ולשחזר את הניסוי; עדיין יש למדוד אם הוא משנה תוצאה מסוימת של RAG.

מה כדאי לערוך — ומה נשאר במערך האחזור?

נקודת הפתיחה הבטוחה ביותר להכנת תוכן ל-RAG היא גבול חד בין דף המקור לבין התשתית האחורית של הספק.

מה יכול בעל אתר לשנות?

אפשר לנסח מחדש תוויות עמומות, לפצל מקטעים שמערבבים נושאים, לקרב תשובה לכותרת שלה, לציין את המוצר או הקהל הרלוונטי ולהוסיף טקסט גלוי למידע חיוני שמופיע רק בתמונה. אפשר גם לשמור על מבנה הגיוני של כותרות: נושא אחד לדף, מקטעי H2 עיקריים ותתי-מקטעי H3 שמצמצמים את היקף הכותרת שמעליהם.

אלה שינויי עריכה. אם אתם מחפשים את השימוש העסקי ולא את שיטת הכתיבה, ראו חיפוש AI לתיעוד.

במה שולט ספק האחזור?

הספקים קובעים כיצד המערכות שלהם מנתחות, מפצלות, מייצגות, מאנדקסות, מאחזרות ומדרגות תוכן. לדוגמה, OpenSearch מתעד פיצול טקסט כשלב בצינור קליטה שמחלק טקסט ארוך לקטעים ממוקדים בגבולות המודל. המימוש של OpenSearch מועיל להבנת הגבול; הוא אינו מוכיח ש-Achla חושפת שליטה בגודל המקטע או בהטמעות.

מדריך זה גם אינו עוסק בהתקנה או בארכיטקטורת backend. למשימה נפרדת זו קראו כיצד להוסיף חיפוש AI בלי לבנות backend.

כיצד לבדוק כותרות ומקטעים לפני שכתוב?

עברו על הדף כאילו כל מקטע עשוי להופיע בלי הפסקאות שמעליו. המטרה אינה להפוך כל פסקה לחזרתית, אלא למצוא קטעים שהמשמעות שלהם תלויה בהקשר מוסתר.

אילו כותרות מסתירות את הנושא?

חפשו תוויות כלליות שעובדות רק מפני שהקורא זוכר את הכותרת הקודמת. כותרת חלשה בדוגמה סינתטית, כגון „מגבלות”, נעשית שימושית יותר כ-„מגבלות של ייצוא דוחות לא מקוונים”. הניסוח החדש מציין הן את הנושא והן את סוג המידע בלי לכפות תבנית על כל דף.

אילו מקטעים מערבבים החלטות או תלויים בהקשר חסר?

בדקו אם המקטע מחליף באמצע מוצר, תפקיד, אזור, תוכנית, גרסה או תהליך. בנוסף, הפרידו בין בעיית אוצר מילים לבעיה מבנית: אם מבקרים שואלים במונחים שונים מאלה שבדף, השתמשו ברעיונות ההערכה שבמדריך כאשר מבקרים משתמשים במילים אחרות. אם המילים הנכונות קיימות אך מפוזרות בין החלטות שאינן קשורות, שפרו את ההקשר של המקטע.

אילו עובדות כלואות בתמונות, בטבלאות או בתוויות?

עובדות חיוניות צריכות להופיע בטקסט גלוי ומשמעותי. AWS ממליצה על כותרות ברורות, מסמכים ממוקדים, הקשר למקטעים ותיאורי טקסט לגרפיקה בהנחיות התיעוד שלה ל-RAG. התייחסו לכך כהמלצות של AWS, לא כהוכחה לתוצאה באתר שלכם. טבלאות עדיין עשויות להיות מועילות לקוראים; הוסיפו טקסט סמוך כאשר כלל מרכזי עלול להישאר עמום.

כיצד כותרות צריכות לשמור על הנושא ועל ההיקף?

כתבו כותרות באתר ל-RAG כפי שהייתם כותבים שלטי הכוונה לאדם עסוק: מפורטות מספיק כדי לצפות את תוכן המקטע, קצרות מספיק לסריקה ומקוננות לפי המבנה האמיתי של הדף.

כיצד לשמור על היררכיה תיאורית ולא קישוטית?

השתמשו ב-H1 אחד לנושא הראשי של הדף, ב-H2 לשאלות העיקריות וב-H3 לשאלות צרות יותר בכל מקטע. W3C מסביר שכותרות מתקשרות את ארגון התוכן ושכותרות בדרגה נמוכה יותר יוצרות תתי-מקטעים לכותרות שמעליהן. פעלו לפי היררכיית הכותרות הסמנטית מפני שהיא מועילה למבנה ולניווט — לא מפני ש-W3C טוען לתועלת ב-RAG.

היכן צריכה להופיע התשובה הישירה?

מקמו את התשובה במשפט הראשון או בפסקה קצרה מיד מתחת לכותרת המתאימה. אחריה הציגו דרישות מוקדמות, פרטים, דוגמאות ואז חריגים. כותרת שמבטיחה „חריגי החזר כספי לתוכניות שנתיות” לא צריכה להתחיל בהיסטוריה של החברה ולחשוף את החריג ארבע פסקאות מאוחר יותר.

היכן צריכים להופיע תנאים וחריגים?

השאירו את ההיקף לצד המשפט שהוא משנה. ציינו בכותרת או במשפט הפתיחה את התוכנית, התפקיד, המוצר, האזור, הגרסה או תאריך התחולה כאשר הם משנים מהותית את התשובה. אל תסתירו הסתייגות מכרעת במקטע כללי של הערות בתחתית הדף.

כיצד כל מקטע יכול להיות מובן בפני עצמו?

מקטע עצמאי מכיל את ההקשר המינימלי הדרוש לפירוש הטענה. הוא יחידת ראיות קוהרנטית קודם כול עבור הקוראים; הוא אינו מקטע backend שנקבע מראש.

מה שייך יחד באותו מקטע?

השאירו יחד נושא, החלטה או הליך אחד, כולל דרישות מוקדמות וחריגים חיוניים. הפרידו נושאים שאינם קשורים. בדף מדיניות סינתטי, מועד הביטול והחריג לחשבונות מפוקחים שייכים יחד; הוראות שדרוג שייכות למקום אחר.

כמה הקשר כדאי לחזור עליו?

חזרו רק על מה שמסיר עמימות. החליפו „זה זמין לאחר 30 יום” ב„ייצוא יומן ביקורת זמין לאחר 30 יום” כאשר הנושא עלול להיעלם. הימנעו מחזרה על שם המוצר המלא בכל משפט או ממילוי המקטע בגרסאות של מילות מפתח.

כיצד לכתוב רשימות וטבלאות?

השתמשו ברשימות לשלבים מסודרים או לפריטים שניתנים להשוואה, עם תוויות ששומרות על המשמעות. השתמשו בטבלאות כאשר שורות ועמודות באמת מבהירות השוואה. אם תא מכיל כלל חיוני, סכמו אותו גם בטקסט סמוך. הבנת הקורא נשארת בעדיפות ראשונה; אין פורמט בעל יתרון אוניברסלי לאחזור.

כיצד להריץ בדיקת אחזור לפני ואחרי עם שאילתות קבועות?

השתמשו בניסוי מתועד, מבוקר פרטיות ובעל גרסאות, שמשנה רק תוכן שבשליטת בעל האתר. הערכת אחזור התוכן הזו מפרידה את השינוי בדף המקור מהתנהגות ה-backend. המימוש הנוכחי של Achla סורק דפים ציבוריים מותרים באותו אתר, והמסלול הראשי של תשובה מבוססת דורש טקסט תשובה עם ציטוטים או מחזיר miss/fallback. התנהגויות תחומות אלה מאפשרות לצפות באחזור ובציטוט; הן אינן מבטיחות שיפור כתוצאה משינוי המבנה.

כיצד לקבע שאלות ומקורות צפויים?

בחרו אתר מחובר ומורשה. צרו מזהים לשאילתות, שמרו את הניסוח המדויק וציינו את המקור הקנוני שאמור לתמוך בכל תשובה. כללו ניסוחים חלופיים מציאותיים ומקרים שבהם התשובה הכנה היא שאין תשובה. אל תכללו מידע אישי, סודי, חסוי או מידע על חשבון.

דוגמת קלט סינתטית:

מה יש לתעד בנפרד בקו הבסיס?

לכל שאילתה, תעדו אם המקור המיועד הופיע, אם הציטוט באמת תומך בתשובה ואם התשובה שלמה. התייחסו לכך כאל בדיקת מקורות מצוטטים, ואל תאחדו את השדות לציון „דיוק” יחיד. לתהליך אימות עמוק יותר, בדקו אם הציטוטים תומכים בתשובה.

מה יכול להשתנות במהלך הבדיקה?

ערכו רק כותרות, גבולות מקטעים, נושאים מפורשים, טקסט תשובה סמוך, תנאים, חריגים וחלופות טקסט. שמרו את גרסת התוכן ואת ההבדל. אל תשנו חלוקת מקטעים, שדות schema, פורמטים של embedding או אינדוקס, צינורות אחזור, דירוג מחדש או ספים — ואל תרמזו ש-Achla מספקת שליטה כזו.

כיצד להריץ שוב את אותן שאלות?

אפשרו לתהליך הסריקה והאינדוקס הרגיל של האתר המחובר לעבד את השינוי המאושר בדף. תעדו את זמן התצפית בפועל במקום להבטיח זמן רענון. אם צריך לאבחן גישת סריקה, השתמשו בפרטי הסריקה של AISearchBot. לאחר מכן הריצו מחדש את אותה גרסת שאילתה ותעדו את אותם שדות.

כיצד לפרש תוצאות חיוביות, אפסיות, שליליות או מעורבות?

תעדו כל תוצאה, כולל ללא שינוי ונסיגה. מקור נכון יכול להופיע בלי ציטוט תומך; ציטוט תומך יכול להופיע לצד תשובה חלקית. המבנה הוא רק משתנה אחד, ולכן יש להגביל את המסקנה לאתר, לגרסאות התוכן, לקבוצת השאילתות ולזמני התצפית שנבדקו.

מה אם המקור הנכון נעדר?

בדקו אם המקור מכיל את העובדה הצפויה בטקסט גלוי ואם הדף היה זמין לסריקה הרגילה. הסיבה עשויה להיות שלמות התוכן, מצב הסריקה או האינדוקס, או האחזור. אל תאבחנו הגדרות ספק נסתרות ללא ראיות.

מה אם המקור מופיע אבל הציטוט או התשובה חלשים?

בדקו אם הקטע המצוטט תומך בטענה ואם התשובה משמיטה תנאי או חריג. כך מפרידים בין אחזור, נכונות הציטוט ויצירת התשובה. שינוי כותרת לבדו אינו הוכחה שהיצירה תשתפר.

מה אם אין שינוי, יש נסיגה או מתקבלת תוצאה מעורבת?

שמרו אותה. תוצאה אפסית עשויה להראות שהמבנה המקורי כבר הספיק או שהמבנה לא היה המשתנה המגביל. נסיגה עשויה להצדיק שחזור של השינוי. תוצאה מעורבת עשויה לתמוך בתיקון מצומצם יותר. בכל מקרה דווחו על התצפית בלי לבחור רק שאילתות חיוביות.

מה נכלל ברשימת בדיקה של בעל אתר להכנת תוכן ל-RAG?

• שמרו על כוונה ברורה סביב RAG וכותרות בדף.
• תנו לדף H1 תיאורי אחד.
• השתמשו ב-H2 לשאלות העיקריות וב-H3 להיקף צר יותר.
• מקמו תשובה ישירה קרוב לכל כותרת.
• שמרו יחד נושא, החלטה או הליך קוהרנטי אחד.
• ציינו מוצרים, תפקידים, אזורים, גרסאות וחריגים במקום שבו הם חלים.
• הוסיפו טקסט גלוי לעובדות חיוניות שמופיעות רק בתמונה.
• הפרידו בין עריכות של בעל האתר לבין קליטה שבשליטת הספק.
• קבעו שאילתות ומקורות צפויים לפני שינוי מבנה התוכן בלבד.
• תעדו בנפרד אחזור, תמיכת ציטוטים ושלמות — כולל תוצאות שליליות.

מהן המגבלות ומהו הצעד הבא?

כותרות תיאוריות ומקטעים עצמאיים הם משתנים ניתנים לבדיקה בתוכן המקור, לא הבטחות לאחזור, ציטוטים, איכות תשובה, דירוגים, מהירות, תנועה או המרות. למדריך זה אין תוצאת לפני ואחרי.

כדי להריץ את הפרוטוקול על אתר ציבורי מורשה דרך תהליך המוצר הרגיל, חברו את האתר שלכם. לקריאה נוספת, עיינו במדריכי Achla לחיפוש AI.