InfoRetriever
功能概述
InfoRetriever 節點為您的工作流程引入檢索增強生成 (Retrieval Augmented Generation, RAG) 能力。您可以將其視為一位智慧研究員，能夠從龐大的私有資料庫中檢索高相關度資訊，藉此大幅強化並精確約束 AI 模型的回應品質。
適用情境
在以下情況使用此節點：
- 讓 AI 模型的回應牢固基於 (Grounding) 您的私有或專有資料來源
- 賦予 AI Agent 存取與精確引用特定企業文件的能力
- 藉由注入高關聯度上下文，消除幻覺並提升回答準確度
- 將專屬向量知識庫 (Knowledge Base) 無縫掛載至對話式代理
使用方式說明
基礎設定步驟
- 將 InfoRetriever 節點新增至工作流程中
- 將其輸出引腳連線至需要 RAG 檢索能力的節點（例如 Agent 節點）
參數說明
- description：說明此工具提供何種範疇的資訊（預設為
"Contains information"， Agent 透過此語意判定呼叫時機） - off_prompt：是否在主提示詞之外獨立執行 RAG 檢索操作（預設為
true，以大幅節省 Context Token） - rag_engine：用於檢索相關資訊的底層 RAG 引擎物件（必填參數）
輸出埠說明
- tool：配置完備的 RAG 工具物件 (Tool Object)，可直接供其他節點引用
- rules：由該 RAG 工具所伴隨套用的規則集 (Ruleset)
範例展示
建立一個能參考公司內部技術手冊進行問答的專業客服 Agent：
- 將 InfoRetriever 節點新增至工作流程中
- 將索引有內部文件的向量檢索引擎連線至 "rag_engine" 輸入埠
- 將 "tool" 輸出引腳連線至 Agent 節點的 "tools" 輸入埠
- 該 Agent 在回答使用者問題時，便能自主檢索內部手冊並附帶精確的引用依據
實作細節
InfoRetriever 充分發揮了 Griptape 框架的 Off-Prompt 設計哲學。透過將大量未過濾的知識庫資料保留在模型 Context 之外，僅將檢索精煉後的關聯上下文動態回傳，能有效避免長文本造成的專注力發散與 Token 成本膨脹。