Was ist die semantische Kerneltextsuche?

Implementieren von RAG mithilfe der Webtextsuche

Im folgenden Beispielcode können Sie zwischen der Verwendung von Bing oder Google zum Ausführen von Websuchvorgängen wählen.

Erstellen einer Textsuchinstanz

Jedes Beispiel erstellt eine Textsuchinstanz und führt dann einen Suchvorgang aus, um Ergebnisse für die bereitgestellte Abfrage abzurufen. Die Suchergebnisse enthalten einen Textausschnitt der Webseite, der den Inhalt beschreibt. Dies bietet nur einen begrenzten Kontext, d. h. eine Teilmenge des Webseiteninhalts und keinen Link zur Quelle der Informationen. In späteren Beispielen wird gezeigt, wie diese Einschränkungen behoben werden.

Bing-Websuche

using Microsoft.SemanticKernel.Data;
using Microsoft.SemanticKernel.Plugins.Web.Bing;

// Create an ITextSearch instance using Bing search
var textSearch = new BingTextSearch(apiKey: "<Your Bing API Key>");

var query = "What is the Semantic Kernel?";

// Search and return results
KernelSearchResults<string> searchResults = await textSearch.SearchAsync(query, new() { Top = 4 });
await foreach (string result in searchResults.Results)
{
    Console.WriteLine(result);
}

Google-Websuche

using Microsoft.SemanticKernel.Data;
using Microsoft.SemanticKernel.Plugins.Web.Google;

// Create an ITextSearch instance using Google search
var textSearch = new GoogleTextSearch(
    searchEngineId: "<Your Google Search Engine Id>",
    apiKey: "<Your Google API Key>");

var query = "What is the Semantic Kernel?";

// Search and return results
KernelSearchResults<string> searchResults = await textSearch.SearchAsync(query, new() { Top = 4 });
await foreach (string result in searchResults.Results)
{
    Console.WriteLine(result);
}

Verwenden Sie Suchergebnisse einer Textsuche, um eine Eingabeaufforderung zu ergänzen

Die nächsten Schritte sind, ein Plug-In aus der Webtextsuche zu erstellen und das Plug-In aufzurufen, um die Suchergebnisse zum Prompt hinzuzufügen.

Der folgende Beispielcode zeigt, wie Sie dies erreichen:

1. Erstellen Sie ein Kernel, in dem ein OpenAI-Dienst registriert ist. Dies wird verwendet, um das gpt-4o Modell mit dem Prompt aufzurufen.
2. Erstellen Sie eine Textsuchinstanz.
3. Erstellen Sie ein Such-Plug-In aus der Textsuchinstanz.
4. Erstellen Sie eine Eingabeaufforderungsvorlage, die das Such-Plug-In mit der Abfrage aufruft und Suchergebnisse zusammen mit der ursprünglichen Abfrage in die Eingabeaufforderung einschließt.
5. Rufen Sie die Eingabeaufforderung auf, und zeigen Sie die Antwort an.

Das Modell liefert eine Antwort, die auf die neuesten Informationen basiert, die bei einer Websuche verfügbar sind.

Bing-Websuche

using Microsoft.SemanticKernel.Data;
using Microsoft.SemanticKernel.Plugins.Web.Bing;

// Create a kernel with OpenAI chat completion
IKernelBuilder kernelBuilder = Kernel.CreateBuilder();
kernelBuilder.AddOpenAIChatCompletion(
        modelId: "gpt-4o",
        apiKey: "<Your OpenAI API Key>");
Kernel kernel = kernelBuilder.Build();

// Create a text search using Bing search
var textSearch = new BingTextSearch(apiKey: "<Your Bing API Key>");

// Build a text search plugin with Bing search and add to the kernel
var searchPlugin = textSearch.CreateWithSearch("SearchPlugin");
kernel.Plugins.Add(searchPlugin);

// Invoke prompt and use text search plugin to provide grounding information
var query = "What is the Semantic Kernel?";
var prompt = "{{SearchPlugin.Search $query}}. {{$query}}";
KernelArguments arguments = new() { { "query", query } };
Console.WriteLine(await kernel.InvokePromptAsync(prompt, arguments));

Google-Websuche

using Microsoft.SemanticKernel.Data;
using Microsoft.SemanticKernel.Plugins.Web.Google;

// Create a kernel with OpenAI chat completion
IKernelBuilder kernelBuilder = Kernel.CreateBuilder();
kernelBuilder.AddOpenAIChatCompletion(
        modelId: "gpt-4o",
        apiKey: "<Your OpenAI API Key>");
Kernel kernel = kernelBuilder.Build();

// Create an ITextSearch instance using Google search
var textSearch = new GoogleTextSearch(
    searchEngineId: "<Your Google Search Engine Id>",
    apiKey: "<Your Google API Key>");

// Build a text search plugin with Google search and add to the kernel
var searchPlugin = textSearch.CreateWithSearch("SearchPlugin");
kernel.Plugins.Add(searchPlugin);

// Invoke prompt and use text search plugin to provide grounding information
var query = "What is the Semantic Kernel?";
var prompt = "{{SearchPlugin.Search $query}}. {{$query}}";
KernelArguments arguments = new() { { "query", query } };
Console.WriteLine(await kernel.InvokePromptAsync(prompt, arguments));

Es gibt eine Reihe von Problemen mit dem obigen Beispiel:

1. Die Antwort enthält keine Zitierungen der Webseiten, die als Kontextgrundlage verwendet wurden.
2. Die Antwort enthält Daten von jeder Website, es wäre besser, dies auf vertrauenswürdige Websites zu beschränken.
3. Es wird nur ein Codeausschnitt jeder Webseite verwendet, um dem Modell einen Erdungskontext bereitzustellen, der Codeausschnitt enthält möglicherweise nicht die Daten, die erforderlich sind, um eine genaue Antwort bereitzustellen.

Sehen Sie sich die Seite an, auf der Textsuch-Plug-Ins für Lösungen für diese Probleme beschrieben werden.

Als Nächstes empfehlen wir einen Blick auf Textsuchabstraktionen.

In Kürze verfügbar

Mehr in Kürze verfügbar.

In Kürze verfügbar

Mehr in Kürze verfügbar.