为……准备分类法 Red Hat AI 推理

请按照以下步骤创建您自己的分类法。 有关分类法及其所包含数据的更多信息，请参阅 《分类法的结构》。

Red Hat AI Inference 模型对齐、合成数据生成和分类法管理功能已弃用，并将于 2026 年 9 月 25 日被移除。 若要继续进行模型定制和对齐工作流，请迁移至 Red Hat® OpenShift® AI On OpenShift。 了解有关 Red Hat® OpenShift® AI的更多信息。

创建或克隆分类法

你可以 分叉并克隆 Red Hat AI Inference 中的分类法，或者在自己的 GitHub 仓库中从头开始创建一个新的分类法。 有关如何构建您自己的分类法的示例和图表，请参阅《 Red Hat AI Inference 》文档中的 “上游分类法树布局” 部分。

收集您的知识文档

将知识文档格式化为 Markdown .md 文件，并将其存储在与分类法不同的目录中。 有关知识文档的示例，请参阅 文档。

仅在向分类法中添加知识时才需要知识文档，添加技能时则不需要。 有关知识与技能之间区别的更多信息，请参阅 “分类法”数据。

您的知识文档总大小累计不应超过 10MB。

为知识和技能创建 qna.yaml 文件

  1. 创建一个名为 qna.yaml 的文件，其中包含与您想要添加的知识或技能相关的问答内容。 该文件必须遵循标准的 YAML 格式。 该文件还必须至少包含 5 个 seed_examples 部分，且每个部分中必须恰好包含 3 对问题与答案。 有关 qna.yaml 文件所需字段的完整列表，请参阅添加 知识或 技能的文档。

  2. 如果您正在为知识增补创建一个 qna.yaml 文件，则必须在该文件的 document 部分中引用相关知识文档、该文档的提交哈希值以及其存储目录。

    知识文档和目录参考示例。

    document:
    repo: https://github.com/user/my_knowledge
    commit: 0a1b2c3d4e5f6g7h8i9j0k1l2m3n4o5p6q7r8s9u
    patterns:
      - knowledge_document.md

  3. 将该文件添加到分类法中的相应节点下。

除了创建新的 qna.yaml 文件外，您还可以向现有文件中添加问题与答案对。

将您的分类法上传到 Object Storage 存储桶中

使用用户界面 ( UI) 或命令行界面 ( CLI) 将您的分类法上传并存储到您的 Object Storage 存储桶中。

后续步骤？

了解如何 从分类法中生成数据。