Taxonomiedaten

In der Taxonomie gibt es drei Datenkategorien.

Knowledge

Daten und Fakten, die durch Quellen wie Lehrbücher oder Enzyklopädien belegt sind. Wenn Sie Wissen zu einer Taxonomie hinzufügen, müssen Sie auf ein separates Wissensdokument verweisen, das außerhalb des Taxonomieverzeichnisses liegt und als Quelle der Wahrheit dient.

Grundlegende Fähigkeiten

Grundlegende Fähigkeiten wie Mathematik, Sprache und Programmierung, die zum Erwerb von weiterem Wissen genutzt werden können. Diese Fähigkeiten werden in der Regel anhand öffentlicher Daten entwickelt.

Fähigkeiten im Verfassen von Texten

Fähigkeiten, die Wissen und grundlegende Kompetenzen kombinieren, um komplexere Aufgaben wie beispielsweise die Analyse der Börsenlage zu bewältigen.

Weitere Informationen zu den Kategorien finden Sie unter Was ist ein Skill? und Was ist Knowledge? in der Dokumentation zu Red Hat AI Inference.

Taxonomie-Dateien

Für jeden Blattknoten sind zwei Arten von Datendateien erforderlich.

qna.yaml

Enthält Fragen und Antworten, die für die Informationen in diesem Wissensartikel relevant sind. Fragen und Antworten sind als Schlüssel-Wert-Paare gegliedert.

attribution.txt

Enthält Quellenangaben zu den Informationen, die der Datei qna.yaml hinzugefügt wurden. Dies ist optional, jedoch für Beiträge zum Open-Source-Taxonomie-Repository Red Hat AI Inference erforderlich.

Wissensdokumente

Jedes Wissen, das einer Taxonomie hinzugefügt wird, muss durch ein Wissensdokument untermauert werden, das als verlässliche Quelle für die Informationen dient, die in das Modell eingespeist werden. Das Dokument muss eine Markdown-Datei sein, die sich in einem von der Taxonomie getrennten Verzeichnis befindet. Sie verweisen auf das Wissensdokument und das Verzeichnis, in dem es gespeichert ist, im document_outline Abschnitt der Datei qna.yaml. Weitere Informationen und Beispiele für Wissensdokumente finden Sie unter Vorbereiten Ihrer Wissensdokumente und Beispiel für eine Wissensdokument-Dateireferenz.

Wissensartikel qna.yaml

Die Wissensdatei qna.yaml enthält Fragen und Antworten, die auf den Informationen im entsprechenden Wissensdokument basieren. Fragen und Antworten werden als Schlüssel-Wert-Paare gespeichert, wobei für jede qna.yaml Datei mindestens fünf Paare erforderlich sind. Am Ende Ihrer Datei qna.yaml im Abschnitt document_outline müssen Sie auf das Wissensdokument und das Verzeichnis verweisen, in dem es gespeichert ist. Die vollständigen Dateianforderungen qna.yaml und Beispiele für Wissensbeiträge finden Sie in der qna.yaml Vorlagendatei und im Beispiel für einen Wissensbeitrag.

Kompetenzdateien qna.yaml

Die Lerneinheit enthält qna.yaml Fragen und Antworten, die eine einfache Aufgabe vermitteln. Um einem Modell beispielsweise das Reimen beizubringen, könnten Sie eine Frage wie What are 5 words that rhyme with skill? mit der Antwort einfügen spill, mill, drill, fill, chill. Fragen und Antworten werden als Schlüssel-Wert-Paare gespeichert, wobei für jede qna.yaml Datei mindestens fünf Paare erforderlich sind.

Die von Ihnen hinzugefügten Fähigkeiten können grounded sein, d. h., sie erfordern zusätzliche Angaben, um den Kontext zu verdeutlichen, oder ungrounded, d. h., sie benötigen keinen zusätzlichen Kontext. Für fundierte Kenntnisse fügen Sie im Datei qna.yaml über das context Feld Kontext hinzu. Wenn Sie einer Taxonomie eine zugrunde liegende Kompetenz hinzufügen, muss diese sich auf einem Zweig befinden, der mit dem Wort beginnt grounded, wie zum Beispiel grounded/games/sudoku.

Die vollständigen qna.yaml Anforderungen und Beispiele für Skills-Beiträge finden Sie unter The skills files in der Dokumentation zu Red Hat AI Inference. Beachten Sie, dass Sie beim Hinzufügen von Skills kein separates Dokument hinzufügen müssen.