> For the complete documentation index, see [llms.txt](https://docs.airops.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.airops.com/docs/de/aktionen/workflow-concepts/workflow-steps/memory-steps/memory-search.md).

# Wissensdatenbank durchsuchen

Eine Wissensdatenbank semantisch durchsuchen

## Was ist ein Knowledge-Base-Suchschritt?

Mit dem Knowledge-Base-Suchschritt können Sie Ihre Daten semantisch durchsuchen, um personalisierte Inhalte oder Empfehlungen für Nutzer bereitzustellen.

Weitere Informationen zur Einrichtung einer Knowledge Base finden Sie auf unserer Dokumentationsseite [hier](https://docs.airops.com/docs/de/kontext/knowledge-bases.md).

## Knowledge-Base-Suchschritt konfigurieren

### Knowledge Base auswählen

Wählen Sie den Namen Ihrer Knowledge Base aus dem Dropdown-Menü aus.

{% hint style="info" %}
**Dynamische Auswahl der Knowledge Base:** Mit Liquid-Variablen können Sie dynamisch auswählen, welche Knowledge Base zur Laufzeit durchsucht werden soll. Das ist hilfreich, wenn Sie mehrere Knowledge Bases haben und anhand von Workflow-Eingaben oder Ausgaben vorheriger Schritte zwischen ihnen wählen möchten. Beispiel: `{{input.knowledge_base_name}}`
{% endhint %}

### Maximale Anzahl an Ergebnissen

Legen Sie fest, wie viele Ergebnisse aus der Knowledge Base zurückgegeben werden sollen.

{% hint style="info" %}
Ihre Inhalte werden in Abschnitte mit jeweils 1000 Tokens aufgeteilt. Jedes Ergebnis umfasst also etwa 1000 Tokens.
{% endhint %}

Wenn Ihr LLM nicht genau die gewünschten Ergebnisse liefert, empfehlen wir, die Anzahl der Ergebnisse zu erhöhen und das Modell zu bitten, sie zusammenzufassen.

### Knowledge Base filtern (optional)

Knowledge Bases bieten zwei verschiedene Filtermodi. Mit Filtern können Sie Ihre Suche anhand von Metadaten eingrenzen, einschließlich benutzerdefinierter Metadaten-Tags, die Sie den Dateien Ihrer Knowledge Base hinzugefügt haben.

#### Visueller Editor

Der **Visuelle Editor** ermöglicht es Ihnen, Daten anhand beliebiger Metadatenfelder zu filtern, darunter:

* **Benutzerdefinierte Metadaten** , die Sie hinzugefügt haben (z. B. Land, Produkt, Zielgruppe, Inhaltstyp)
* **Standardmetadaten** , die von der Quelle übernommen wurden
* **CSV-/Tabellenspalten** bei der Suche in strukturierten Daten

Wenn Sie beispielsweise Fallstudien mit dem `country` benutzerdefinierten Metadatenfeld gekennzeichnet haben, können Sie die Suche auf Fallstudien aus einer bestimmten Region beschränken:

<figure><img src="https://1960680173-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FX2n5yPRPynbnWuO4SH0M%2Fuploads%2Fgit-blob-0c255f839731a2b355030815b3919c6c8c41219f%2Fkb-search-step-01-filter.png?alt=media" alt="Search Knowledge Base step on SpaceOps Case Studies with Max Results 3 and a filter for country equal United Kingdom"><figcaption><p>Suchergebnisse anhand eines Metadatenwerts filtern.</p></figcaption></figure>

{% hint style="success" %}
**Dynamische Filterung mit Eingaben**

Gestalten Sie Ihre Filter dynamisch, indem Sie Workflow-Eingaben verwenden. Erstellen Sie beispielsweise eine Eingabe namens `region` und legen Sie als Filter fest: country ist gleich `{{input.region}}`. Wenn Sie den Workflow nun mit unterschiedlichen Regionswerten ausführen, werden nur die relevanten Dateien der Knowledge Base durchsucht.
{% endhint %}

#### Code-Editor

Für komplexere Anwendungsfälle können Sie den **Code-Editor** verwenden, der die Abfrage- und Projektionsoperatoren von MongoDB nutzt. Hier sind einige gängige Operatoren:

* **$eq** - Gleich (für Zahlen, Zeichenfolgen und boolesche Werte)
* **$ne** - Ungleich (für Zahlen, Zeichenfolgen und boolesche Werte)
* **$gt** - Größer als (für Zahlen)
* **$gte** - Größer oder gleich (für Zahlen)
* **$lt** - Kleiner als (für Zahlen)
* **$lte** - Kleiner oder gleich (für Zahlen)
* **$in** - In Array (für Zeichenfolgen oder Zahlen)
* **$nin** - Nicht in Array (für Zeichenfolgen oder Zahlen)

Sehen wir uns kurz an, wie du Metadaten in deinem Workflow mithilfe unserer „Q\&A“-Vorlage filtern kannst. In diesem Beispiel haben wir unsere Wissensdatenbank bereits mit den Verfassungen mehrerer Länder befüllt und Metadaten mit dem Feld „country“ hinzugefügt, nach dem wir filtern können.

{% @arcade/embed url="<https://app.arcade.software/share/wdZVVd8LeM0QNGiSf9v9>" flowId="wdZVVd8LeM0QNGiSf9v9" %}

Damit die Filterung effektiv ist, empfehlen wir, unser Dokument [„Metadaten in Wissensdatenbanken“](https://docs.airops.com/docs/de/kontext/knowledge-bases/knowledge-base-metadata.md) zu lesen. So stellst du sicher, dass du die optimalen Metadatenfelder zum Filtern verwendest.

### Abfrage

Der Ausdruck, mit dem deine Wissensdatenbank nach semantisch ähnlichen Texten durchsucht wird.

Als bewährte Vorgehensweise empfehlen wir, für deine Abfrage eine Liquid-Variable zu verwenden. Da sich deine Workflows an die von dir bereitgestellten Eingaben anpassen sollen, ist es in der Regel nicht sinnvoll, die Abfrage fest auf eine bestimmte Variable oder Frage einzustellen.

Da die Wissensdatenbank die semantisch *ähnlichsten* Ergebnisse zurückgibt, kann ein langer Text manchmal eher die gewünschten Ergebnisse liefern als ein gezielter, präziser Ausdruck. Wir empfehlen, deinen Abfrage-Prompt zu testen, um sicherzustellen, dass er deinen Anforderungen entspricht.

## Liquid-Variablen in Wissensdatenbank-Schritten

Liquid-Variablen funktionieren in ALLEN Wissensdatenbank-Schritten, darunter:

* **Wissensdatenbank durchsuchen:** Liquid für Abfragen, Filter und die Auswahl der Wissensdatenbank verwenden
* **In Wissensdatenbank schreiben:** Liquid für Inhalte und Metadatenwerte verwenden
* **Wissensdatenbankdatei abrufen:** Liquid für Datei-IDs verwenden
* **Aus Wissensdatenbank lesen:** Liquid für die Auswahl von Datensätzen verwenden

So lassen sich vollständig dynamische Workflows erstellen, in denen sich Wissensdatenbankvorgänge anhand von Eingaben oder den Ausgaben vorheriger Schritte anpassen.

## Ausgabe des Schritts „Wissensdatenbank durchsuchen“

Der Schritt „Wissensdatenbank durchsuchen“ gibt eine Liste von Einbettungen aus der Wissensdatenbank zurück.

* **ID:** Eine eindeutige ID, die auf der Metadaten-Chunk-ID, der Datensatz-ID und der Dokument-ID des Vektorspeichers basiert.
* **Score:** Ein [Maß für semantische Ähnlichkeit](https://en.wikipedia.org/wiki/Cosine_similarity).
* **Inhalt:** Der Text (oder die Spalten) deines Dokuments, der durchsucht werden kann.
* **Dokumentname:** Der Name des von dir bereitgestellten Dokuments.
* **URL der Dokumentdatei:** Die URL der ursprünglichen Dokumentdatei, die du hochgeladen hast (falls vorhanden).
* **Metadaten:** Alle Spalten, die du als Metadaten bereitgestellt hast.

```
[
  {
    "id": "vsdi:87:rid:1:cid:0",
    "score": 0.78703,
    "content": "Blog Title: How to Become a Prompt Engineer\\nBlog Content: In this blog, we're going to show you how to take your prompting...",
    "document_name": "AirOps Knowledge Base",
    "document_file_url": "https://app.airops.com/your_document_file.pdf",
    "metadata": {
      "__chunk_id": 0,
      "__record_id": "1",
      "__vector_store_document_id": 87,
      "title": "How to Become a Prompt Engineer",
      "description": "Erfahre, wie du deine Prompts auf die nächste Stufe bringst.",
    }
  },
  {
    ...
  }
 ]
```

### Ausgabe für LLM-Schritte formatieren

Die Ausgabe des Knowledge-Base-Suchschritts ist ein JSON-Objekt wie oben dargestellt. Da du diese Ausgabe jedoch häufig an ein LLM weitergibst, ist es wesentlich effektiver, die Ergebnisse in natürlicher Sprache zu formatieren.

#### Formatierung mit dem Code-Schritt

Eine der besten Möglichkeiten hierfür ist die Verwendung unseres Code-Schritts in Verbindung mit der Liquid-Syntax. Unsere Vorlage „Q\&A“ zeigt anschaulich, wie du das umsetzen kannst:

<figure><img src="https://1960680173-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FX2n5yPRPynbnWuO4SH0M%2Fuploads%2Fgit-blob-2ed6f56b0c0a1b00ebb39b0f0f0ca4abb7e59299%2Fkb-search-step-02-format-with-code.png?alt=media" alt="Case Study Q&#x26;A Workflow with a Run Code step that formats the Search Knowledge Base results before the Answer the question step"><figcaption><p>Formatiere die Suchergebnisse mit einem Code-Schritt, bevor du sie an das LLM weitergibst.</p></figcaption></figure>

Unser Code-Schritt verwendet JavaScript, um das JSON-Objekt in ein natürlicheres Format umzuwandeln, das unser LLM-Schritt interpretieren kann:

```javascript
return step_1.output.map(item => `Document Name: ${item.document_name}\nContent: ${item.content}\nConfidence Score: ${item.score}`).join('\n\n');
```

#### Formatierung mit Liquid

Um dem LLM-Schritt Kontext und formatierte Daten zu übergeben, kannst du deine Ergebnisse aus dem Knowledge-Base-Suchschritt auch mit Liquid formatieren.

Wir passen die weiter oben gezeigte Beispielausgabe an, indem wir jeden Abschnitt durchlaufen und Folgendes zurückgeben: `metadata.title` und `metadata.description`:

```liquid
// Replace step_x.output

{% for chunk in step_x.output %} 
    Title: {{chunk.metadata.title}}
    Description: {{chunk.metadata.description}}
{% endfor %}
```


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.airops.com/docs/de/aktionen/workflow-concepts/workflow-steps/memory-steps/memory-search.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
