Décomposition de requête
La décomposition de tâches divise les requêtes complexes en sous-requêtes plus petites, aidant les chatbots IA à fournir des réponses plus précises et ciblées.
Description du composant
Comment fonctionne le composant Décomposition de requête
Composant Décomposition de requête
La décomposition de requête est un composant de flux conçu pour améliorer la précision et l’efficacité des workflows pilotés par l’IA en découpant les requêtes complexes en sous-requêtes distinctes et gérables. Ce processus permet de s’assurer que chaque aspect de la question initiale de l’utilisateur est traité, menant à des réponses plus complètes et précises.
Que fait ce composant ?
La fonction principale du composant Décomposition de requête est de prendre un texte d’entrée — généralement une question complexe ou à plusieurs volets — et de le diviser en plusieurs sous-requêtes ou alternatives. Ces sous-requêtes représentent les éléments d’information individuels à résoudre pour répondre complètement à la requête initiale. Cette approche est particulièrement utile lorsque la question est vaste, ambiguë ou composée de plusieurs éléments imbriqués.
Caractéristiques clés et entrées
| Nom de l’entrée | Type | Obligatoire | Description |
|---|---|---|---|
| Texte d’entrée | Message | Oui | Le texte principal ou la question à découper en plusieurs requêtes alternatives. |
| Historique du chat | InMemoryChatMessageHistory | Non | Messages de chat précédents pour fournir du contexte et générer des sous-requêtes plus précises. |
| LLM (Modèle) | BaseChatModel | Non | Le modèle de langage utilisé pour générer les requêtes alternatives. |
| Inclure la requête originale | Booléen | Non | Option pour inclure la requête originale dans la liste des requêtes alternatives. |
| Message système | Chaîne de caractères | Non | Instruction système supplémentaire pouvant être ajoutée à l’invite pour personnaliser le comportement. |
- Texte d’entrée (obligatoire) : Le texte à analyser et à décomposer. Il s’agit de la requête principale de l’utilisateur.
- Historique du chat : (optionnel) Si disponible, le contexte de la conversation précédente peut être fourni pour améliorer la pertinence et la précision des sous-requêtes générées.
- LLM (Modèle) : (optionnel) Précisez quel grand modèle de langage (LLM) doit être utilisé pour la décomposition, permettant une intégration flexible avec divers modèles IA.
- Inclure la requête originale : (avancé, optionnel) Contrôlez si la sortie doit également inclure la requête initiale en plus des sous-requêtes générées.
- Message système : (avancé, optionnel) Permet d’ajouter un message système personnalisé pour orienter le résultat ou donner une instruction supplémentaire au modèle.
Sorties
- Message : Le composant produit un objet message contenant la liste des requêtes alternatives ou des sous-questions. Cela peut servir d’entrée à des étapes de traitement IA ultérieures, comme des réponses séparées, la recherche ou une analyse approfondie.
Pourquoi est-ce utile ?
La décomposition de requête est précieuse dans les workflows IA complexes où une seule requête peut couvrir plusieurs sujets ou nécessiter un raisonnement en plusieurs étapes. En découpant les requêtes, vous pouvez :
- Garantir que toutes les parties d’une question complexe sont traitées.
- Faciliter une recherche ou une récupération d’informations plus précises.
- Permettre un traitement modulaire, étape par étape, dans les pipelines IA.
- Améliorer la transparence et l’explicabilité des réponses générées par l’IA.
Exemples d’utilisation
- Support client : Décomposer une longue demande client en problèmes individuels pour des réponses plus ciblées.
- Assistance à la recherche : Détailler une question de recherche vaste en sous-sujets spécifiques pour des recherches documentaires plus précises.
- Raisonnement en plusieurs étapes : Préparer des questions pour des agents IA nécessitant une résolution de problèmes séquentielle ou de la planification.
Tableau récapitulatif
| Fonctionnalité | Description |
|---|---|
| Entrée | Requête utilisateur complexe (texte) |
| Sortie | Liste d’alternatives ou de sous-requêtes (objet message) |
| Support du contexte | Oui (via l’historique du chat) |
| Choix du modèle | Oui (LLM personnalisé possible) |
| Options avancées | Inclure la requête originale, message système personnalisé |
En intégrant la décomposition de requête à votre workflow IA, vous permettez un traitement plus intelligent et plus fin des requêtes complexes, ce qui conduit à de meilleurs résultats et à une meilleure expérience utilisateur.
Questions fréquemment posées
- Qu’est-ce que le composant Décomposition de requête ?
La décomposition de requête divise les requêtes complexes et composées en sous-requêtes simples plus faciles à traiter. Ainsi, elle permet de fournir des réponses plus détaillées et ciblées.
- Que se passe-t-il si je n’utilise pas la décomposition de requête ?
La décomposition de requête n’est pas nécessaire pour tous les flux. Son utilisation principale concerne la création de bots de service client et d’autres cas où l’entrée nécessite une approche pas à pas pour des entrées complexes. Utiliser la décomposition de tâches garantit des réponses détaillées et très pertinentes. Sans elle, le bot peut donner des réponses vagues.
- Quelle est la différence entre extension et décomposition de requête ?
Les deux aident le bot à mieux comprendre la requête. La décomposition de requête prend des requêtes complexes ou composées et les divise en étapes plus petites et exécutables. L’extension de requête, quant à elle, complète les requêtes incomplètes ou erronées pour les rendre claires et complètes.
Essayez la décomposition de requête avec FlowHunt
Commencez à créer des chatbots IA plus intelligents et à automatiser les requêtes complexes grâce au composant Décomposition de requête de FlowHunt.
En savoir plus
