Speichere Daten für KI-Agenten
ohne eigene Infrastruktur
Nutze Retrieval, Sessions und Datenbank direkt in Connic. So können deine Agenten Dokumente durchsuchen, Gesprächsverläufe fortsetzen und strukturierte Daten verwalten. Die Daten bleiben nach Umgebung getrennt.
Retrieval-Dokumentation lesenRetrieval
24 Einträge · 3 Namespaces- invoice-template.pdfinv_a1b2c3policies.finance
- tax-rules-2026.mdtax_d4e5f6policies.finance
- refund-faq.txtfaq_g7h8i9support.faq
- product-catalog.pngcat_j0k1l2products
- shipping-policy.mdshp_m3n4o5support.shipping
- vendor-contract.pdfvnd_p6q7r8policies.legal
Ergänze Antworten mit Wissen aus Dokumenten
Stelle deinen KI-Agenten Texte, PDFs und Bilder für die Suche bereit. Connic übernimmt die Aufbereitung. Im Code legst du fest, welche Inhalte das Suchtool durchsuchen kann; es liefert passende Textstellen samt Quellenangaben.
from connic.tools import retrieval_query
async def search_support_policy(question: str) -> list[dict]:
"""Freigegebene Richtlinienpassagen für eine Supportfrage finden."""
result = await retrieval_query(
query=question,
namespace="support.approved",
min_score=0.35,
max_results=5,
)
matches = []
for item in result["results"]:
citation = {"entry_id": item["entry_id"]}
if item.get("page_number") is not None:
citation["page_number"] = item["page_number"]
matches.append({
"passage": item["content"],
"citation": citation,
})
return matches- refund-faq.txt· 27 Chunkssupport.faq
- shipping-policy.md· 12 Chunkssupport.faq
- tax-rules-2026.md· 42 Chunkspolicies.finance
- vendor-contract.pdf· 31 Chunkspolicies.legal
- product-shot.png· 8 Chunksproducts
Text, Markdown, CSV, JSON, YAML, Logs, PDF und Bilder.
Dateien werden im Hintergrund verarbeitet: Connic teilt sie in Abschnitte auf und erstellt Embeddings. Jeder Auftrag ist im Dashboard sichtbar.
Liefert Inhalt, Eintrags-ID, Namespace und einen Relevanzwert. Retrieval-Dokumentation lesen
Gib KI-Agenten Zugriff auf den Gesprächskontext
Lass Connic frühere Gesprächsbeiträge speichern und bei weiteren Anfragen wieder bereitstellen, auch nach einem Neustart. Mit einem Sitzungsschlüssel aus der Middleware oder den Eingabedaten legst du fest, welche Anfragen zusammengehören.
name: support-bot
type: llm
model: connic/gpt-5.6-terra
system_prompt: |
Du bist ein hilfreicher Support Agent.
Nutze den Gesprächsverlauf als Kontext.
# Gesprächsverlauf je Chat speichern
session:
key: context.chat_id
ttl: 86400 # nach 24 Stunden Inaktivität ablaufen lassenkey ist ein durch Punkte getrennter Pfad, der mit context. (gesetzt in der Before Middleware) oder input. (aus dem Roh-Payload gelesen) beginnen muss. Optional kann ttl in Sekunden angegeben werden (mindestens 60). Ohne ttl laufen Sessions nicht ab. Ohne Session Block beginnt jeder Request neu. Dokumentation ansehen
Ich möchte eine Erstattung für die Bestellung ORD-184.
Der Gesprächsverlauf bleibt über Runs hinweg erhalten. TTL ist konfigurierbar.
Wann wird sie gutgeschrieben? # Der Agent kennt den Bestellkontext bereits.
Nutze eine Datenbank für KI-Agenten. Bereits eingerichtet.
Nutze in jeder Connic-Umgebung eine eigene Datenbank. Lass deine Agenten Daten speichern und mit Filtern abfragen. Collections entstehen automatisch beim ersten Schreibzugriff; ein festes Schema musst du nicht vorgeben.
# Kein Setup erforderlich - die Collection "invoices" wird
# beim ersten Aufruf von db_insert automatisch erstellt.
result = await db_insert("invoices", {
"vendor": "Acme Corp",
"total": 4920,
"currency": "EUR",
"processed_at": "2026-04-12T10:30:00Z",
"raw_event": {"id": "evt_123", "type": "invoice.paid"},
})
# result["inserted"][0]["_id"] -> automatisch erzeugte UUID# Abfrage mit Filteroperatoren – kein SQL, keine Migrationen
result = await db_find(
"invoices",
filter={
"vendor": "Acme Corp",
"processed_at": {"$gt": "2026-04-01"},
},
sort={"processed_at": -1},
limit=20,
)
documents = result["documents"]Ein Schema muss nicht eingerichtet werden. Der erste Aufruf von db_insert legt die Collection an. Jedes Dokument erhält _id, _created_at und _updated_at automatisch.
$eq, $ne, $gt/$gte/$lt/$lte, $in/$nin, $and/$or/$not, $exists, $contains, $elemMatch, $regex. Ergebnisse lassen sich sortieren und seitenweise abrufen. Außerdem können einzelne Felder ausgewählt und eindeutige Werte aufgelistet werden.
db_find, db_insert, db_update, db_upsert, db_delete, db_count, db_list_collections. Daten und abgeleitete Schemas stehen im Dashboard unter Storage → Database. Dokumentation ansehen
Trenne Daten. Begrenze den Zugriff. Sieh Inhalte ein.
Halte Daten nach Umgebung getrennt und lege mit API-Schlüsseln gezielte Berechtigungen fest. Im Dashboard behältst du die Übersicht.
Retrieval-Einträge, persistente Sessions und Datenbank-Collections sind jeweils auf ein Environment begrenzt. Produktivumgebung und Staging desselben Projekts halten ihre Daten standardmäßig getrennt.
REST API Keys lassen sich mit granularen Berechtigungen ausstatten, darunter Lese- und Schreibzugriff auf Retrieval. Diese Keys unterstützen automatisierte Ingestion Pipelines und die Synchronisierung von Inhalten aus externen Systemen.
Alle drei Speicherfunktionen sind an einem Ort sichtbar: Retrieval zeigt Ingestion Jobs und Namespaces, unter Storage > Sessions lassen sich aktive Sessions auflisten und löschen, unter Storage > Database Collections, Dokumente und abgeleitete Schemas durchsuchen.
Entdecke weitere Features
Composer SDK
Agenten in YAML definieren.
Tools
Vordefiniert, eigenes Python oder MCP.
Retrieval
Quellen synchronisieren und mit begrenzten Tools durchsuchen.
Verbindungen
Agenten mit den realen Systemen verbinden.
Bridges
Private Services ohne eingehende Ports erreichen.
Observability
Jeden Schritt und jedes Token nachvollziehen.