Zum Hauptinhalt springen
Connic

Gib KI-Agenten Zugriff auf Wissen.
Direkt in Connic.

Lade Dokumente hoch oder verbinde Quellen. Connic übernimmt die Aufbereitung und Suche, damit deine KI-Agenten relevante Inhalte mit Fragen in natürlicher Sprache finden. Eine eigene Suchinfrastruktur musst du dafür nicht aufbauen.

Mit Basic startenRetrieval-Quellen entdecken
Retrieval-Dokumentation lesen
Wie setzen wir ein fehlgeschlagenes Release zurück?
runbooks.release3 relevante Passagen
  • deployment-rollbackScore 0.91

    Aktiviere im Tab Deployments ein zuvor erfolgreiches Deployment erneut …

    [deployment-rollback, S. 14]
  • failed-build-responseScore 0.84

    Ein Kandidat, der sein Deployment Gate nicht besteht, ersetzt niemals die aktive Version …

    [failed-build-response, S. 7]
  • release-checklistScore 0.71

    Prüfe das aktive Deployment nach der Traffic-Umschaltung und behalte anschließend die vorherige Version …

    [release-checklist, S. 3]

Stelle aktuelle Inhalte für KI-Agenten bereit

Dokumente, Bilder und bestehende Quellsysteme durchlaufen einen gemeinsamen semantischen Indexierungsprozess. Agenten fragen zur Laufzeit indexierte Passagen ab, statt eine veraltete Kopie im Prompt mitzuführen.

Quellinhalte
Uploads oder geplante, schreibgeschützte Quellen
Durchsuchbare Passagen
In Abschnitte aufgeteilt, als Embeddings indexiert und nach Bedeutung auffindbar
Retrieval ist an ein Environment gebunden. Staging und Produktivumgebung können selbst innerhalb desselben Projekts unterschiedliche Inhalte indexieren.

Behalte vom Upload bis zur Suche den Überblick

Verfolge den Fortschritt jedes Uploads in Dashboard und API. Du siehst, welche Uploads warten, gerade verarbeitet werden oder bereits durchsuchbar sind. Auch erneute Versuche und Fehler bleiben sichtbar.

  1. 1

    Annehmen

    Text, Markdown, Datendateien, PDFs und gängige Bildformate

  2. 2

    Extrahieren

    Texte aus Dateien und PDF-Seiten auslesen, Bildinhalte mit KI erfassen

  3. 3

    Indexieren

    Asynchrone Jobs teilen Inhalte auf und erstellen Embeddings

  4. 4

    Abfragen

    Passagen zurückgeben, sobald die Indexierung abgeschlossen ist

  • Text- und Datendateien

    TXT, Markdown, CSV, JSON, JSONL, YAML und Logdateien hochladen.

  • PDF-Dokumente

    PDFs extrahieren und aufteilen, wobei Seitenzahlen in Retrieval-Ergebnissen erhalten bleiben.

  • Bilder

    Inhalte von PNG-, JPG-, JPEG-, GIF- und WebP-Dateien mit einem bildverarbeitenden KI-Modell auslesen und daraus Embeddings erstellen.

Lege fest, wo und wie KI-Agenten suchen

Bestimme im Code, welche Inhalte durchsucht werden und welche Suchparameter gelten. Das KI-Modell stellt eine Frage und erhält passende Textstellen mit Quellenangaben in einem festen Format.

tools/release_knowledge.py
from connic.tools import retrieval_query

async def search_release_runbooks(question: str) -> list[dict]:
    """Freigegebene Passagen aus Release-Runbooks finden."""
    result = await retrieval_query(
        query=question,
        namespace="runbooks.release",
        min_score=0.35,
        max_results=3,
    )

    matches = []
    for item in result.get("results", []):
        matches.append({
            "passage": item["content"],
            "citation": {
                "entry_id": item["entry_id"],
                "namespace": item["namespace"],
                "page_number": item.get("page_number"),
            },
        })
    return matches
Antwort von search_release_runbooks
  • deployment-rollbackScore 0.91

    Aktiviere im Tab Deployments ein zuvor erfolgreiches Deployment erneut …

    Quelle: [runbooks.release/deployment-rollback, S. 14]
  • failed-build-responseScore 0.84

    Ein Kandidat, der sein Deployment Gate nicht besteht, ersetzt niemals die aktive Version …

    Quelle: [runbooks.release/failed-build-response, S. 7]
  • release-checklistScore 0.71

    Prüfe das aktive Deployment nach der Traffic-Umschaltung und behalte anschließend die vorherige Version …

    Quelle: [runbooks.release/release-checklist, S. 3]
agents/release-operator.yaml
version: "1.0"

name: release-operator
type: llm
model: connic/gpt-5.6-terra
system_prompt: |
  Beantworte Release-Fragen ausschließlich mit search_release_runbooks.
  Zitiere zu jeder Passage die zurückgegebene Entry ID und Seitenzahl.

tools:
  - release_knowledge.search_release_runbooks

retrieval:
  namespaces:
    runbooks.release:
      prevent_write: true
      prevent_delete: true
  • Zweckgebundene Funktion

    Das KI-Modell erhält das Tool search_release_runbooks(question). Die zugrunde liegenden Speicherfunktionen werden ihm nicht direkt bereitgestellt.

  • Fester Suchbereich

    Der Wrapper definiert runbooks.release, einen Mindest-Score von 0,35 und maximal drei Ergebnisse.

  • Schreibgeschützter Zugriff

    Das Agent YAML beschränkt Retrieval auf einen Namespace und verhindert Schreib- sowie Löschzugriffe.

  • Stabile Quellenangaben

    Jede Passage enthält Entry ID, Namespace und Seitenzahl in einer festen Antwortstruktur.

  • Testbares Verhalten

    Ein Mock des Wrappers prüft vor dem Deployment sowohl den Tool-Aufruf als auch die Quellenangabe.

Verbinde Quellen und steuere die Suche gezielt

Lass Connic Inhalte synchronisieren, ohne die Quellen zu verändern. Im Code legst du fest, welche Inhalte ein Tool durchsuchen kann. Die Daten bleiben nach Umgebung getrennt.

Schreibgeschützte Quellen
  • Notion
    15 Minuten → wöchentlich
  • Confluence
    15 Minuten → wöchentlich
  • Superhuman Docs (Coda)
    15 Minuten → wöchentlich
  • Website Crawler
    12 Stunden → wöchentlich

Jeder geplante Lauf verarbeitet geänderte Inhalte erneut. Beim Löschen kann der Quellinhalt aus Retrieval entfernt oder die zuletzt synchronisierte Version beibehalten werden.

Implementierungsbausteine
  • retrieval_query

    In ein eigenes Suchtool einbinden, das den Suchbereich festlegt.

  • retrieval_store

    In einem kontrollierten Upload-Tool verwenden, wenn der Agent Inhalte hinzufügen darf.

  • retrieval_delete

    Löschvorgänge auf eine klar begrenzte Verwaltungs- oder Wartungsfunktion beschränken.

  • retrieval_list_namespaces

    Für eine eingegrenzte Suche in administrativen Tools verwenden.

Verbinde eine bestehende Quelle.

Lege Inhaltsbereich, Namespace und Aktualisierungsplan gezielt fest.

Entdecke Retrieval-Quellen

Entdecke weitere Features

Storage

Semantischen Kontext mit strukturierten Datensätzen verbinden.

Tools

Suchbereich und Berechtigungen in eigenen Retrieval-Tools festlegen.

KI-Modelle

Das KI-Modell auswählen, das die Ergebnisse verarbeitet.

Environments

Wissen in Staging und Produktivumgebung getrennt halten.

RAG im Produktivbetrieb: Tutorial

Ein eingegrenztes Such-Tool, ein festes Format für Quellenangaben und einen Regressionstest erstellen.

Retrieval-Quellen

Notion, Confluence, Dokumente oder Websites synchronisieren.

Häufig gestellte Fragen

Retrieval eignet sich für unstrukturierte Texte, die nach Bedeutung gefunden und nach Relevanz sortiert werden sollen, etwa Dokumentationen, Richtlinien, Notizen und FAQs. Die Datenbank eignet sich für strukturierte Datensätze, die exakte Feldfilter, Zählungen oder Updates benötigen. Agenten verwenden häufig beides.

Uploads werden asynchron verarbeitet. Connic nimmt Text oder Dateien zunächst als Ingestion Job an. Anschließend werden die Inhalte im Hintergrund ausgelesen, in Abschnitte aufgeteilt und als Embeddings indexiert. Abfragen und Löschvorgänge mit Metadatenfiltern berücksichtigen nur Einträge, deren Ingestion Job abgeschlossen ist.

Text-Uploads unterstützen TXT, Markdown, CSV, JSON, JSONL, YAML und Logdateien. Bei PDF-Uploads bleiben die Seitenzahlen in den Ergebnissen erhalten. Inhalte von PNG-, JPG-, JPEG-, GIF- und WebP-Bildern werden mit einem bildverarbeitenden KI-Modell ausgelesen, bevor Embeddings entstehen.

Namespaces sind durch Punkte getrennte Pfade mit bis zu zehn Ebenen. Eine Abfrage des übergeordneten Namespaces policies durchsucht auch untergeordnete Namespaces wie policies.hr.leave. Eintrags-IDs sind innerhalb eines Namespaces eindeutig. Mit retrieval_list_namespaces können Verwaltungstools die verfügbaren Namespaces in einem begrenzten Bereich abfragen.

Zu den aktuellen schreibgeschützten Retrieval-Quellen gehören Notion, Confluence, Superhuman Docs (Coda) und der Website Crawler. API-basierte Quellen können im Abstand von 15 Minuten bis wöchentlich laufen, Website Crawls im Abstand von zwölf Stunden bis wöchentlich. Jeder Lauf verarbeitet nur geänderte Inhalte erneut.

Nein. Retrieval ist an das aktive Environment gebunden. Staging und Produktivumgebung können daher unterschiedliche Einträge, Namespaces, Ingestion Jobs und Inhalte synchronisierter Quellen enthalten. REST Requests geben das Ziel über environment_id an. Der Projektzugriff verwendet die Berechtigungen retrieval.view und retrieval.manage.