Preparazione dei contenuti per il recupero RAG: titoli delle pagine web

La preparazione dei contenuti per il recupero RAG parte da titoli che nominano l'argomento e da sezioni con sufficiente contesto per essere comprensibili da sole. Gli editori possono rendere più chiare e verificabili le pagine sorgente, ma non possono garantire un risultato di recupero né controllare lo stack di ingestione del fornitore.

In pratica, concentrati su tre aspetti:

• descrivi in ogni titolo l'entità, l'attività, la regola o la condizione;
• mantieni insieme risposta diretta, contesto essenziale ed eccezioni;
• fissa un insieme di query e confronta separatamente recupero, supporto delle citazioni e completezza della risposta.

Chi, come e perché. Questa guida è rivolta ai responsabili della documentazione e dei contenuti web. Combina l'esame dell'attuale implementazione Achla di scansione e risposte fondate su fonti, documentazione primaria datata e un protocollo di test controllato dall'editore. Il protocollo non è ancora stato eseguito, quindi tutti i risultati sono sconosciuti. Serve a verificare modifiche che l'editore controlla, non a suggerire che i titoli garantiscano risposte migliori.

Che cosa rende più facile recuperare i contenuti web in un sistema RAG?

La retrieval-augmented generation, o RAG, usa materiale sorgente recuperato per fondare una risposta generata. Un sistema può valutare un passaggio indipendentemente dalla pagina completa. La documentazione di Microsoft Azure AI Search, per esempio, descrive la suddivisione dei documenti affinché le porzioni possano essere abbinate in modo indipendente. È una descrizione del sistema Microsoft, non una formula universale per i titoli.

Per un editore, un contenuto pronto per il recupero mantiene quindi comprensibili le sezioni importanti anche con poco contesto circostante. Una buona sezione dichiara il soggetto, risponde a una domanda coerente, indica le condizioni rilevanti e mantiene vicine le eccezioni decisive. Una struttura chiara facilita l'ispezione della fonte e la riproduzione dell'esperimento; l'effetto su un particolare risultato RAG deve comunque essere misurato.

Che cosa modificare e che cosa resta nello stack di recupero?

Il punto di partenza più sicuro è separare nettamente la pagina sorgente dal backend del fornitore.

Che cosa può cambiare chi pubblica un sito?

Puoi riscrivere etichette vaghe, dividere sezioni che mescolano argomenti, avvicinare la risposta al titolo, nominare il prodotto o il pubblico interessato e aggiungere testo visibile per informazioni essenziali presenti solo in un'immagine. Puoi anche conservare una gerarchia logica: un argomento per pagina, sezioni H2 principali e sottosezioni H3 che restringono il tema del titolo superiore.

Sono interventi editoriali. Per il caso d'uso commerciale, anziché il metodo di scrittura, consulta la ricerca AI per la documentazione.

Che cosa controlla il fornitore del sistema di recupero?

I fornitori decidono come analizzare, suddividere, rappresentare, indicizzare, recuperare e ordinare i contenuti. OpenSearch, per esempio, documenta il text chunking come fase della pipeline di ingestione che divide testi lunghi in passaggi mirati entro i limiti del modello. Questa implementazione OpenSearch aiuta a capire il confine; non dimostra che Achla esponga controlli per dimensione dei chunk o embedding.

La guida non tratta installazione o architettura backend. Per questo compito separato, leggi come aggiungere la ricerca AI senza costruire un backend.

Come verificare titoli e sezioni prima di riscrivere?

Esamina la pagina come se ogni sezione potesse apparire senza i paragrafi precedenti. Non bisogna rendere ripetitivo ogni paragrafo, ma trovare i passaggi il cui significato dipende da un contesto nascosto.

Quali titoli nascondono il soggetto?

Cerca etichette generiche che funzionano solo ricordando il titolo precedente. Un titolo sintetico debole come «Limitazioni» diventa più utile come «Limitazioni delle esportazioni di report offline»: nomina argomento e tipo di informazione senza imporre un modello a ogni pagina.

Quali sezioni mescolano decisioni o dipendono da contesto mancante?

Verifica se a metà sezione cambiano prodotto, ruolo, regione, piano, versione o procedura. Distingui anche un problema lessicale da uno strutturale: se i visitatori usano termini diversi dalla pagina, applica le idee di valutazione per quando usano parole differenti. Se le parole corrette esistono ma sono sparse tra decisioni non collegate, migliora il contesto della sezione.

Quali fatti sono intrappolati in immagini, tabelle o etichette?

I fatti essenziali devono esistere in testo visibile e significativo. AWS raccomanda titoli chiari, documenti focalizzati, contesto nelle sezioni e descrizioni testuali per la grafica nelle sue pratiche di documentazione RAG. Sono raccomandazioni AWS, non la prova di un risultato sul tuo sito. Le tabelle restano utili; aggiungi prosa vicina se una regola chiave risulterebbe ambigua.

Come preservare soggetto e perimetro nei titoli?

Scrivi i titoli come segnaletica per una persona impegnata: abbastanza specifici da anticipare la sezione, brevi da scorrere e annidati secondo la struttura reale.

Come mantenere la gerarchia descrittiva anziché decorativa?

Usa un H1 per l'argomento principale, H2 per le domande principali e H3 per domande più circoscritte. W3C spiega che i titoli comunicano l'organizzazione e che i livelli inferiori formano sottosezioni. Segui questa gerarchia semantica perché migliora struttura e navigazione, non perché W3C sostenga un vantaggio RAG.

Dove deve apparire la risposta diretta?

Mettila nella prima frase o nel breve paragrafo sotto il titolo pertinente. Seguono prerequisiti, dettagli, esempi e poi eccezioni. Un titolo che promette «Eccezioni ai rimborsi per i piani annuali» non dovrebbe iniziare dalla storia dell'azienda e mostrare l'eccezione quattro paragrafi dopo.

Dove devono stare condizioni ed eccezioni?

Mantieni il perimetro accanto all'affermazione che modifica. Indica piano, ruolo, prodotto, regione, versione o data di efficacia nel titolo o nella prima frase quando cambia materialmente la risposta. Non nascondere un'avvertenza decisiva in una sezione «Note» a fondo pagina.

Come rendere ogni sezione comprensibile da sola?

Una sezione autonoma contiene il contesto minimo necessario per interpretare l'affermazione. È prima di tutto un'unità coerente per i lettori, non un chunk backend prescritto.

Che cosa appartiene alla stessa sezione?

Tieni insieme un argomento, una decisione o una procedura, con prerequisiti ed eccezioni essenziali. Separa i temi non collegati. In una policy sintetica, il termine di cancellazione e l'eccezione per account regolamentati stanno insieme; le istruzioni di upgrade altrove.

Quanto contesto ripetere?

Ripeti solo ciò che risolve un'ambiguità. Sostituisci «È disponibile dopo 30 giorni» con «L'esportazione del registro di audit è disponibile dopo 30 giorni» se altrimenti il soggetto sparisce. Evita di ripetere il nome completo del prodotto in ogni frase o di inserire varianti della keyword come riempitivo.

Come scrivere elenchi e tabelle?

Usa elenchi per passaggi ordinati o elementi confrontabili, con etichette che preservino il significato. Usa tabelle quando righe e colonne chiariscono davvero il confronto. Se una cella contiene una regola essenziale, riassumila nella prosa vicina. La comprensione resta prioritaria; nessun formato ha un vantaggio universale nel recupero.

Come eseguire un test di recupero prima/dopo con query fisse?

Usa un esperimento versionato e rispettoso della privacy che cambi solo i contenuti controllati dall'editore. Questa valutazione del recupero dei contenuti separa la modifica alla pagina dal comportamento del backend. L'implementazione attuale di Achla scansiona pagine pubbliche consentite dello stesso sito e il suo percorso principale di risposta fondata richiede testo con citazioni, altrimenti restituisce un miss/fallback. Questi comportamenti limitati rendono osservabili recupero e citazioni; non promettono un miglioramento dovuto alla ristrutturazione.

Come fissare domande e fonti attese?

Scegli un sito collegato e autorizzato. Crea ID delle query, conserva la formulazione esatta e nomina la fonte canonica prevista. Includi parafrasi realistiche e casi onesti senza risposta. Non inserire dati personali, riservati, di account o segreti.

Che cosa registrare separatamente nella baseline?

Per ogni query, registra se compare la fonte prevista, se la citazione supporta davvero la risposta e se la risposta è completa. In questo test delle fonti citate, non ridurre tutto a un unico punteggio di «accuratezza». Per un flusso più approfondito, verifica se le citazioni supportano la risposta.

Che cosa può cambiare durante il test?

Modifica solo titoli, confini delle sezioni, soggetti espliciti, testo della risposta vicino al titolo, condizioni, eccezioni e alternative testuali. Salva versione e diff. Non cambiare chunking, campi schema, embedding o formati di indicizzazione, pipeline di recupero, reranking o soglie, né insinuare che Achla offra tali controlli.

Come ripetere le stesse domande?

Lascia che il normale flusso di scansione e indicizzazione del sito elabori la modifica approvata. Registra l'ora effettiva, senza promettere un intervallo di aggiornamento. Se occorre diagnosticare l'accesso, usa i dettagli separati su AISearchBot. Poi ripeti la stessa versione delle query e cattura gli stessi campi.

Come interpretare risultati positivi, nulli, negativi o misti?

Registra ogni risultato, compresi i casi senza cambiamenti e le regressioni. Una fonte corretta può apparire senza una citazione di supporto; una citazione valida può accompagnare una risposta incompleta. La struttura è una sola variabile, quindi limita il risultato al sito, alle versioni, alle query e agli orari osservati.

E se la fonte corretta è assente?

Controlla se la fonte contiene il fatto previsto in testo visibile e se la pagina era accessibile alla normale scansione. La causa può riguardare completezza, stato di scansione/indice o recupero. Non diagnosticare impostazioni nascoste senza evidenze.

E se la fonte appare ma citazione o risposta sono deboli?

Verifica se il passaggio citato supporta l'affermazione e se la risposta omette una condizione o eccezione. Ciò distingue recupero, correttezza della citazione e generazione. Un cambio di titolo, da solo, non dimostra che la generazione migliorerà.

E se non cambia nulla, compare una regressione o il risultato è misto?

Conservalo. Un risultato nullo può indicare che la struttura era già sufficiente o non era la variabile limitante. Una regressione può giustificare il ripristino del diff. Un risultato misto può suggerire una revisione più mirata. Riporta sempre l'osservazione senza selezionare solo le query favorevoli.

Che cosa include una checklist editoriale per preparare contenuti RAG?

• Mantenere chiaro l'intento RAG e titoli della pagina.
• Usare un solo H1 descrittivo.
• Usare H2 per domande principali e H3 per perimetri più stretti.
• Collocare la risposta diretta vicino al titolo.
• Tenere insieme un argomento, una decisione o una procedura coerente.
• Nominare prodotti, ruoli, regioni, versioni ed eccezioni pertinenti.
• Aggiungere testo visibile per fatti essenziali presenti solo in immagini.
• Separare modifiche editoriali e ingestione controllata dal fornitore.
• Fissare query e fonti attese prima della ristrutturazione.
• Registrare separatamente recupero, supporto delle citazioni e completezza, inclusi risultati negativi.

Quali sono i limiti e il passo successivo?

Titoli descrittivi e sezioni autonome sono variabili testabili dei contenuti sorgente, non garanzie di recupero, citazioni, qualità, ranking, velocità, traffico o conversioni. Per questa guida non esiste ancora un risultato prima/dopo.

Per eseguire il protocollo su un sito pubblico autorizzato tramite il normale flusso di prodotto, collega il tuo sito. Per letture affini, consulta le guide editoriali Achla sulla ricerca AI.