Készíts térképet a dokumentum másolatairól
A forrásfájl mellett külön tárolódhat az OCR-szöveg, a darabolt tartalom és az embedding. A feldolgozás közben ideiglenes állomány és szolgáltatói napló is keletkezhet. Ezeket a bevezetés előtt fel kell sorolni, az adatgazdával és megőrzési szabállyal együtt. Nem elegendő a fő alkalmazás adatbázisát nézni. A teljes adatút határozza meg, mit jelent a dokumentum visszavonása.
A Microsoft Azure AI Search dokumentumtörlési útmutatója külön indexműveletként tárgyalja a kereshető dokumentum eltávolítását. Ez jól mutatja, hogy a forráskezelő rendszer és a keresési réteg eltérő komponens lehet. A konkrét integrációban ellenőrizni kell, milyen törlési jel jut át és mikor. Egy sikeres fájlműveletből nem következik automatikusan minden származtatott rekord megszűnése. A szolgáltatói konfiguráció és verzió számít.
Szemléltető helyzet: egy visszavont termékútmutató már nincs a megosztott mappában, de a chatbot még régi szövegrészletet idéz. A felhasználó számára ez úgy látszik, mintha az AI nem tudna a törlésről. Valójában lehet elakadt indexszinkron vagy megmaradt cache. A példa hipotetikus; a helyes beavatkozást a tényleges adatút vizsgálata adja.
Stabil azonosító nélkül nehéz teljesen visszavonni
A származtatott rekordok kapcsolódjanak a forrásdokumentum és verzió azonosítójához. Ha a darabok csak saját sorszámot kapnak, később nehéz megállapítani, melyik tartozott a visszavont fájlhoz. A változó fájlnév nem elég stabil kulcs. A rendszernek kell egy követhető kapcsolat, amely az átnevezés és áthelyezés után is megmarad. Az adatmodell már az első importnál készüljön erre.
Az Azure AI Search indexprojekciós dokumentációja a szülő és gyermekdokumentum kapcsolatát, valamint a változás- és törléskezelés konfigurációját is tárgyalja. A darabolt keresésnél ezért a szülő törlésének továbbvezetése külön ellenőrzendő. A saját tesztben ne csak az eredeti dokumentum címére keressünk, hanem egyedi részletre is. Így kiderülhet, hogy valamelyik gyermekrekord még elérhető.
A duplikált forrásokat is kezelni kell. Ugyanaz a tartalom más néven vagy másik tárhelyről ismét bekerülhet. A törlési igény hatóköre legyen világos: konkrét fájl, verzió, dokumentumcsalád vagy tartalomrész? A rendszer ne találja ki ezt önállóan. A dokumentumgazda döntése alapján alakítható ki a szükséges visszavonás. A technikai duplikációs felismerés segítség, nem teljes jogi vagy üzleti értelmezés.
| Adatréteg | Törlési vagy visszavonási feladat | Ellenőrzési jel |
|---|---|---|
| Forrásfájl | Jóváhagyott életciklus-művelet | Státusz és azonosító |
| OCR és darabok | Forráshoz tartozó rekordok kezelése | Nincs aktív gyermekrészlet |
| Keresőindex | Dokumentumok eltávolítása vagy tiltása | Kérdésre nem kerülnek elő |
| Cache és előzmény | Újrafelhasználás megszüntetése | Régi válasz nem adódik vissza |
| Mentés | Jóváhagyott megőrzési és visszaállítási szabály | Nem éled újra aktív tudásként |
A visszavonás és a fizikai törlés eltérhet
Lehet olyan helyzet, amikor egy anyagot meg kell őrizni, de aktuális válaszhoz már nem használható. Ilyenkor az archivált vagy visszavont státusz és a keresési szűrés fontos. Más esetben meghatározott másolatok tényleges törlésére van szükség. A vállalat előre rögzítse, mely esemény milyen műveletet indít. Az AI számára átadott forráskör ennek megfelelően változzon.
A tiltási vagy tombstone-nyilvántartás segíthet elkerülni a véletlen újraimportálást, ha a megoldás ezt igényli. A nyilvántartás maga is adat, ezért tartalmát és megőrzését szabályozni kell. Nem célszerű a teljes visszavont dokumentumot ebben tárolni. Megfelelő azonosító és státusz elég lehet a technikai végrehajtáshoz. A konkrét adatmodell a forrásrendszer és a feladat alapján alakítható ki.
A visszavonási folyamat legyen megismételhető és idempotens. Egy újrapróbált kérés ne hozzon létre hibás állapotot, és a részleges siker legyen látható. Ha az egyik külső szolgáltatás nem válaszol, a rendszer ne jelölje automatikusan teljesítettnek az egész feladatot. A nyitott réteghez felelős és következő próbálkozás tartozzon. A végső állapot tényleges ellenőrzésre épüljön.
A gyorsítótár külön újrafelhasználási út
A modellhez már el sem jutó dokumentum korábbi válasza még visszaadható lehet. A cache a forrásazonosítókat vagy a releváns érvényességi környezetet is követheti. A konkrét megoldásnak támogatnia kell a visszavonást. A puszta időalapú lejárat nem minden kockázati helyzetben elegendő. A szolgáltatási és adatkezelési követelményhez megfelelő invalidálási terv szükséges.
A beszélgetési előzmény és megosztott export másik kérdés. A korábbi válasz az akkor megengedett forrásra épülhetett, de később nem feltétlenül adható tovább újra. A rendszer határozza meg a történeti hozzáférés és aktív felhasználás különbségét. A felhasználó számára érthető legyen, mikor lát korábbi állapotot. A jelenlegi válasz ne kezeljen automatikusan minden korábbi mondatot érvényes tudásként.
A szolgáltatói megőrzésről a tényleges feltételek és konfiguráció alapján kell tájékozódni. A saját index törlése nem állít semmit egy külső rendszer naplójáról vagy mentéséről. Az adatfolyam leltára tartalmazza a beszállítót és a vállalt lehetőségeket. A konkrét jogi megítélés külön szakmai feladat lehet. A technikai jelentés ne ígérjen többet annál, mint ami ellenőrizhető és vállalható.
A visszaállítás után ismét érvényesüljön a rend
Egy mentés korábbi állapotot hozhat vissza, benne később visszavont anyaggal. A helyreállítási tervnek ezt kezelnie kell, mielőtt a rendszer újra felhasználókhoz kerül. Az aktuális visszavonási és jogosultsági nyilvántartás összevetése szükséges lehet. A sikeres adatbázis-visszatöltés nem teljes üzleti helyreállítás. A kereshető tartalom és az érvényességi szabály közös konzisztenciáját kell igazolni.
A próbában legyen olyan dokumentum, amely a mentés után került visszavonásra. Ellenőrizzük, hogy a felhasználói kérdésre nem válik újra aktív forrássá. A teszt használhat ártalmatlan, egyedi jelölést a tartalomban. Így valódi érzékeny adat kockáztatása nélkül vizsgálható az életciklus. A teszt eredménye a konkrét rendszerre és vizsgált rétegre vonatkozzon.
A törlési igazolás ne tartalmazza újra a teljes törlendő tartalmat. Azonosító, időpont, végrehajtott művelet és eredmény elegendő lehet a nyomhoz. A bizonyíték megőrzése is saját adatkezelési szabályt igényel. A folyamat célja ellenőrizhető végrehajtás, nem újabb rejtett másolat létrehozása. A napló és a riport tervezése ezért a törlési folyamat része.
A pilot teljes életciklust mutasson
A kezdeti próba ne álljon meg a dokumentum feltöltésénél és egy jó válasznál. Legyen módosítás, visszavonás, részleges hiba és újraimportálási kísérlet. A rendszer mutassa meg, mely lépés sikerült és melyik vár még feladatra. A késleltetést mérjük a tényleges forrástól a felhasználói eredményig. A „szinkronizált” státusz mögött legyen konkrét jelentés.
A ráfordítást a fenntartási folyamatban is mérjük. Hány kézi lépés szükséges új kiadáskor vagy visszavonáskor? Ki tudja kivizsgálni, ha egy régi részlet még előkerül? A tudástár növekedése mellett ezek a kérdések egyre fontosabbak. Egy kisebb, jól kezelt rendszer jobb kezdés lehet a nagy, gazdátlan indexnél. A bővítés feltétele a bizonyított életciklus-kezelés legyen.
KOCI az adatforrások, szolgáltatók és megőrzési követelmények tisztázása után segíthet a RAG-életciklus megtervezésében és integrálásában. A szakmai és jogi szabályt az illetékes gazda határozza meg. A rendszer feladata ennek következetes végrehajtása és ellenőrizhető jelzése, minden olyan másolaton, amely a válaszhoz vagy további feldolgozáshoz felhasználható.
- Forrás- és származtatottadat-leltár.
- Stabil dokumentum- és verziókapcsolat.
- Visszavonás és fizikai törlés külön állapot.
- Cache, előzmény és külső másolat kezelése.
- Újraimportálást és visszaállítást is vizsgáló próba.
- Tartalmat nem újrateremtő végrehajtási nyom.
Gyakori kérdések
Elég a fájlt a megosztott mappából törölni?
Nem minden rendszerben. Az index, a darabolt szöveg és a cache külön másolat lehet. A konkrét adatútban végig kell vezetni és ellenőrizni a szükséges műveletet.
A visszavont dokumentumot mindig meg kell semmisíteni?
Nem általánosan. Megőrzési kötelezettség vagy történeti cél is felmerülhet. A kereshetőség, érvényesség és fizikai megőrzés külön, megfelelően jóváhagyott szabály szerint kezelendő.
Miért kell törlés után helyreállítási teszt?
Mert egy régebbi mentés visszahozhat már visszavont adatot. A működő visszaállításnak az aktuális érvényességi és hozzáférési rendet is helyre kell állítania.
Források és további olvasnivaló
- Microsoft Learn – dokumentumok törlése a keresőindexből ↗
- Microsoft Learn – indexprojekciók és gyermekdokumentumok ↗
A cikk tájékoztató jellegű szakmai útmutató. Az említett példák szemléltető helyzetek; a saját vállalkozásodnál a konkrét adatok és a működési feltételek alapján érdemes dönteni.
Beszéljük át, hogyan ültethető át a gyakorlatba.
Projektet indítokKapcsolódó szolgáltatás: AI és automatizálás ↗



