Podręcznik uczestnika z objaśnieniami, przykładami i ćwiczeniami do samodzielnej nauki do Modułu 3
2. Od tekstu do reprezentacji wektorowej
Wyszukiwanie słów jest użyteczne, kiedy znasz nazwę pliku, symbol parametru lub kod błędu. Użytkownik często opisuje jednak tę samą czynność innymi słowami. Embedding pomaga porównywać teksty także wtedy, gdy nie mają identycznego brzmienia.
1. Od słów do reprezentacji liczbowej
„Uruchom ponownie usługę” i „wykonaj restart procesu” mogą opisywać podobną czynność. Proste sprawdzenie obecności słowa „restart” nie odnajdzie każdej parafrazy. Model embeddingowy przekształca tekst w uporządkowaną listę liczb, czyli wektor. Porównywanie takich wektorów pozwala szukać kandydatów podobnych do pytania.
tekst → model embeddingowy → wektor pytanie → ten sam model → wektor pytania wektor pytania + wektory fragmentów → ranking
Wektor nie jest streszczeniem, listą słów ani zapisem ich numerów. Poszczególne współrzędne wynikają z wyuczonych reprezentacji. Zwykle nie można powiedzieć, że konkretna współrzędna oznacza „konfigurację”, a inna „bezpieczeństwo”. Znaczenie ma cały układ wartości oraz sposób jego porównywania.
2. Jeden tekst, jeden punkt porównania
W kursie używamy modelu bge-m3:latest przez Ollama. W pakiecie M3 każdy embedding ma 1024 współrzędne. Taki wymiar nie oznacza 1024 słów ani 1024 fragmentów bazy. Długość tekstu i liczba wymiarów reprezentacji to różne wielkości. W rozdziale 3 zobaczysz wektory dwuwymiarowe wyłącznie po to, aby łatwo wykonać rachunek.
Model embeddingowy tworzy reprezentację tekstu. Model generujący tworzy kolejne tokeny odpowiedzi. Oba mogą należeć do szerszej rodziny modeli językowych, lecz pełnią inne zadania w aplikacji. Wynik embeddingu nie jest odpowiedzią dla użytkownika.
3. Podobny temat a przydatna informacja
| Tekst | Co może łączyć go z pytaniem | Czego to nie dowodzi |
|---|---|---|
| Procedura restartu właściwej usługi | Czynność i obiekt opisane w pytaniu. | Że procedura nadal obowiązuje w używanej wersji. |
| Opis harmonogramu innej usługi | Wspólne słowa „usługa” i „działa”. | Że fragment odpowiada na pytanie o zmianę konfiguracji. |
| Zakaz wykonania określonej operacji | Te same nazwy operacji i komponentów. | Że można pominąć słowo „nie” albo warunek. |
Wysoka bliskość reprezentacji nie sprawdza prawdziwości, aktualności ani uprawnień do dokumentu. Negacja, liczba, wersja i kolejność czynności mogą zmienić odpowiedź mimo dużego podobieństwa tematycznego. Dlatego zawsze wracasz do tekstu i metadanych. Wyszukiwanie po słowach może uzupełniać semantyczne, szczególnie dla dokładnych identyfikatorów; w M3 skupiamy się na wariancie wektorowym.
4. Materiał do własnej oceny
Pytanie: Jak sprawdzić, czy usługa działa po zmianie konfiguracji?
| Oznaczenie | Tekst do analizy |
|---|---|
| A | Po zapisaniu nowych ustawień wykonaj restart procesu docassist-api, a następnie potwierdź, że jego status ma wartość active. |
| B | Usługa wykonywania kopii zapasowych działa codziennie po zmianie harmonogramu. |
| C | Plik konfiguracji należy przechowywać przez 30 dni. |
| D | Przed instalacją sprawdź wymagania dotyczące pamięci operacyjnej. |
A–D są oznaczeniami krótkiego ćwiczenia z pakietu M3, nie identyfikatorami chunk_id. Tekst C nie ustala reguły przechowywania konfiguracji dla rzeczywistego systemu; oceniasz jego przydatność do zadanego pytania.
Ćwiczenie 1. Porównaj słowa i znaczenie
Nie używaj modelu. Zapisz hipotezę przed poznaniem jakiegokolwiek rankingu liczbowego.
- Wskaż tekst najbardziej przydatny i przytocz informację, która pomaga odpowiedzieć.
- W B i C zaznacz słowa podobne do pytania. Wyjaśnij, dlaczego nie wystarczają.
- Wskaż dwie pary wyrażeń będących parafrazami pytania i tekstu A.
- Ułóż własny ranking A–D. Dla słabszych tekstów dopuszczalny jest uzasadniony remis.
- Oceń zdanie: „Najwyższy wynik podobieństwa dowodzi poprawności przyszłej odpowiedzi”.
Czy potrafisz uzasadnić wybór informacją potrzebną użytkownikowi, a nie samą liczbą wspólnych wyrazów?
Jeżeli pracujesz również na komputerze, wykorzystaj kartę R1 oraz notebook M12_M3_R1_intuicja_embeddingow_start.ipynb.
W notebooku zapisujesz hipotezy_podobienstwa.json oraz wnioski.md. Jest to analiza ręczna, oznaczona jako analiza_reczna. Nie dopisuj fikcyjnych wyników modelu.