Skip to main content

Erişim ve bilgi katmanı

Not: Bu belge orijinal İngilizce versiyonun otomatik bir çevirisidir.

Erişim ve bilgi katmanı

Erişim ve bilgi katmanı (retrieval and knowledge layer), AI modellerinin bilgiye dayalı yanıtlar üretebilmesi için ilgili bilgiyi depolayan, dizinleyen ve getiren bir sistemdir. Modelin yalnızca eğitim sırasında ezberlediklerine dayanmak yerine dış bilgiye — belgelere, zincir üstü verilere, protokol spesifikasyonlarına, piyasa olaylarına — erişmesini sağlayan altyapıdır.

Kısaca: erişim katmanı, RAG içindeki "R" harfidir. Model bir yanıt üretmeden önce doğru bağlamı bulan arama-ve-getirme mekanizmasıdır.

Nasıl çalışır

Bir erişim ve bilgi katmanı genel bir işlem hattını izler:

  1. Veri alımı. Belgeler, veri akışları veya yapılandırılmış kayıtlar kaynaklardan toplanır — dokümantasyon, zincir üstü olaylar, API'ler, araştırma makaleleri, topluluk içerikleri.
  2. İşleme. Ham veri temizlenir, pasajlara bölünür (chunking) ve aranabilir bir biçime dönüştürülür. Vektör araması için bu, gömme (embedding) hesaplamak anlamına gelir — metin anlamının sayısal temsilleri.
  3. Dizinleme. İşlenmiş parçalar bir bilgi tabanında saklanır — tipik olarak bir vektör veritabanı, bir arama dizini veya bir bilgi grafiği.
  4. Erişim. Bir sorgu geldiğinde sistem, sorguyu dizinle karşılaştırarak (anlamsal benzerlik, anahtar kelime eşleştirme veya grafik gezinmesi) en alakalı parçaları bulur.
  5. Teslim. Getirilen parçalar, yanıt üretimi için bağlam olarak AI modeline (genellikle bir LLM'e) iletilir.

Tüm AI sisteminin kalitesi büyük ölçüde bu katmana bağlıdır. Zayıf bir erişim katmanına sahip güçlü bir LLM, alakasız veya eksik bağlama dayanan yanıtlar üretir.

Parçalama (chunking) stratejisi, gömme (embedding) modeli seçimi ve yeniden sıralama (reranking) (adayları daha dikkatle sıralayan ikinci bir aşama), "doğru" pasajların yüzeye çıkıp çıkmayacağını etkiler. Sorgular kesin tanımlayıcıları (sözleşme adresleri, sürüm numaraları) açık uçlu dille karıştırdığında, yoğun vektörleri anahtar kelime veya üst veri filtreleriyle birleştiren hibrit erişim yaygındır. Güncellik önemlidir: veri alımı ve geçersiz kılma açıkça tanımlanmadıkça, bayat dizinler canlı zincir durumuyla sessizce çelişebilir.

Bu, kripto AI'da neden önemli

Kripto AI projeleri sıklıkla Web3 verilerine özel bilgi katmanları inşa eder veya inşa ettiğini iddia eder. Nedenler pratiktir:

  • Kripto verisi uzmanlaşmıştır. Genel amaçlı LLM'lerin belirli protokoller, token mekanikleri, akıllı sözleşme ayrıntıları veya zincir üstü olaylar hakkındaki bilgisi sınırlıdır. Alana özgü bir bilgi tabanı bu boşluğu doldurur.
  • Veri hızla değişir. Token fiyatları, yönetişim önerileri, protokol yükseltmeleri ve piyasa koşulları sürekli değişir. Gerçek zamanlı veri akışlarına bağlı bir erişim katmanı, AI yanıtlarını güncel tutar.
  • Zincir üstü veri farklı yapılandırılmıştır. İşlem geçmişleri, sözleşme durumları ve cüzdan etkinlikleri özel dizinleme gerektirir — yalnızca metin araması değil, zincir üstü verilere duyarlı erişim.

Yaygın proje desenleri arasında kripto istihbarat terminalleri, protokol dokümantasyon asistanları, Web3 bilgi grafikleri ve AI ajanları için gerçek zamanlı veri işlem hatları bulunur.

Tipik AI component değerleri

DecAIHub proje kartlarında AI component alanı sıklıkla erişim ve bilgi katmanı yeteneklerine atıfta bulunur:

  • Retrieval and knowledge layer
  • AgentData (real-time data streams for AI agents)
  • AI Q&A + Web3 knowledge graph
  • AI summaries + crypto intelligence terminal
  • 3D AI agents (RAG/memory/LLM catalog)

Bu değerler, aynı temel fikrin farklı uygulamalarını tanımlar: AI modelleri için dış bilgiye yapılandırılmış erişim.

Diğer bileşenlerle bağlantı

Erişim katmanı diğer birkaç AI bileşenine bağlanır: çıkarım (getirilen bağlamı kullanarak yanıt üreten LLM), RAG (erişimi üretimle birleştiren mimari desen), veri kaynakları (bilgi katmanının dizinlediği ham malzeme) ve AI ajanları (karar vermeden önce bilgi katmanını sorgulayan sistemler).

Bilgi katmanı neyi kanıtlamaz

  • Bir bilgi tabanına sahip olmak, onu kullanan AI'nın gerçek veya doğru olduğunu kanıtlamaz. Bir proje iyi dizinlenmiş bir veritabanı inşa edebilir ve yine de üzerinde çalışan bir AI modelinden yoksun olabilir.
  • Kripto verilerini dizinlemek, erişimin yüksek kaliteli olduğunu kanıtlamaz. Kalite; parçalama stratejisine, gömme modeline, alaka sıralamasına ve verinin güncelliğine bağlıdır.
  • Bir erişim katmanı inşa etmek, projenin AI'sının tescilli olduğunu kanıtlamaz. Erişim sistemi, özel bir AI çalışması içermeyen standart açık kaynak araçlar (ör. bir vektör veritabanı) olabilir.
  • Tek başına bir bilgi katmanı, Onchain necessity veya Token necessity'yi kanıtlamaz. Tam DecAI Fit puanını kontrol edin.

Erişim veya bilgi katmanı iddia eden bir projeyi değerlendirirken ayrıntıları arayın: hangi veri kaynakları dizinleniyor, dizin ne sıklıkla güncelleniyor, hangi gömme veya arama modeli kullanılıyor ve herhangi bir kalite metriği yayımlanmış mı.

Karıştırmayın

  • RAG — RAG, tam mimari desendir (erişim + üretim). Erişim ve bilgi katmanı, bunun erişim yarısıdır. Bir proje, tam bir RAG işlem hattı uygulamadan bir bilgi katmanına sahip olabilir.
  • Veri kümesi — veri kümesi, eğitim veya değerlendirme için kullanılan statik bir veri koleksiyonudur. Bilgi katmanı, çıkarım anında erişim için tasarlanmış canlı, sorgulanabilir bir sistemdir.
  • AI component — erişim katmanı olası AI bileşenlerinden biridir. Proje kartındaki AI component alanı bir erişim katmanını tanımlayabilir; ancak çıkarımı, eğitimi veya diğer mekanizmaları da tanımlayabilir.

Sık sorulan sorular

Tek başına bir vektör veritabanı, kartta "bilgi katmanı" sayılır mı?

Vektör veritabanı genellikle uygulamanın bir parçasıdır; ancak AI component değeri, model bağlamını besleyen uçtan uca bir alım → dizin → sorgu yolunu ima eder. Derlenmiş kaynaklar ve erişim davranışı olmadan yalnızca boş altyapı varsa, Tier-1 dokümantasyon tam döngüyü gösterene kadar iddiayı eksik kabul edin.

Okuyucular bir proje kartından erişim kalitesini nasıl değerlendirmeli?

Kartlar her mühendislik ayrıntısını listelemeyebilir. Belgelenmiş gömme modellerine, güncelleme sıklığına, kaynak listelerine ve erişim kesinliği veya yanıt sadakatine dair her türlü değerlendirmeye öncelik verin. Yayımlanmış olduğunda kıyaslamalar ve kalite metrikleriyle çapraz kontrol yapın.

Ajanlar, bir sohbet asistanıyla aynı bilgi katmanını kullanabilir mi?

Evet. Ajanlar ve asistanlar aynı erişim yığınını paylaşabilir; fark, orkestrasyon ve tek bir yanıtın ötesindeki eylemlerdir. Ajan çalışma zamanlarının pasif Soru-Cevap'tan nasıl farklılaştığı için AI bileşeni olarak ajanlar sayfasına bakın.

Dış kaynaklar

Ayrıca bakınız

No comments to display

Back to top