AI Agents · Ders

Çapraz Kodlayıcılarla Yeniden Sıralama

Ucuz gömüntülerle ilk 50 sonucu getirin, ardından daha yüksek kesinlik için ilk 5 sonucu daha yavaş bir çapraz kodlayıcıyla yeniden sıralayın.

Çapraz Kodlayıcılarla Yeniden Sıralama, CoddyKit'te ücretsiz bir AI Agents dersidir. Bu, 4 dersinin 1. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, AI Agents öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. AI Agents kursu toplamda 4 dersten oluşur.

Bu dersin bazı bölümleri henüz çevrilmemiş olup İngilizce olarak gösterilmektedir.

Yeniden Sıralama Neden Yapılır?

Vektör benzerliği hızlı ve kaba bir ilk aşamadır. Genellikle query ile KEYWORDS paylaşan ancak QUESTION için gerçekten uygun olmayan parçaları getirir.

Yeniden sıralayıcı, (query, parça) çiftlerini alır ve çok daha kesin bir uygunluk puanı hesaplar.

Çift Kodlayıcı ve Çapraz Kodlayıcı

Metin benzerliği için iki mimari:

Çift kodlayıcı — query ile parçayı ayrı ayrı vektörleştirir ve kosinüsü hesaplar. Hızlıdır (bir kez vektörleştirip yeniden kullanır), ancak daha az doğrudur.
Çapraz kodlayıcı — (query, parça) çiftini modelden birlikte geçirir. Yavaştır (her çift için ayrı çalışır), ancak çok daha doğrudur.

İki Aşamalı Getirme

İki yöntemi birleştiren düzen:

Çift kodlayıcı, en iyi 50 adayı hızlıca getirir
Çapraz kodlayıcı, bunları en iyi 5 sonuç olacak şekilde yeniden sıralar
En iyi 5 sonuç LLM istemine eklenir

Çift kodlayıcının hızını ve çapraz kodlayıcının kesinliğini elde edersiniz.

Cohere Rerank Kullanımı

Üretimde kullanılabilecek en kolay çapraz kodlayıcı:

import cohere
co = cohere.Client(COHERE_KEY)

results = co.rerank(
    model='rerank-multilingual-v3.0',
    query='What is the refund policy?',
    documents=top_50_chunks,
    top_n=5
)
for r in results.results:
    print(r.index, r.relevance_score, top_50_chunks[r.index])

Açık Kaynaklı Yeniden Sıralayıcılar

BGE yeniden sıralayıcısı, önde gelen OSS seçeneğidir:

from sentence_transformers import CrossEncoder
model = CrossEncoder('BAAI/bge-reranker-base')

pairs = [(query, chunk) for chunk in candidates]
scores = model.predict(pairs)
ranked = [c for _, c in sorted(zip(scores, candidates), reverse=True)][:5]

Voyage Rerank

import voyageai
vo = voyageai.Client(api_key=VOYAGE_KEY)
res = vo.rerank(
    query=query,
    documents=candidates,
    model='rerank-2',
    top_k=5
)

Yeniden Sıralama Ne Zaman Yararlıdır?

Uzun aday listelerinde (50-200)
İnce uygunluk farklarında
Olumsuzluk veya karşılaştırma içeren sorgularda
Çok dilli durumlarda

Ne Zaman Yararlı Değildir?

Zaten dar olan aday kümelerinde (çift kodlayıcıdan gelen en iyi 5 sonuç)
Gecikmenin kritik, riskin düşük olduğu sorgularda

Maliyet Dengesi

Çapraz kodlayıcılar her çift için bir çıkarım çalıştırır. 50 adayı yeniden sıralamak, 50 model çağrısı anlamına gelir (Cohere/Voyage ile ucuzdur; kendi sunucunuzda barındırırsanız daha yavaştır).

Yeniden sıralama için 50-200 aday ayırın; daha fazlası nadiren buna değer.

Integrating into LangChain

from langchain.retrievers import ContextualCompressionRetriever
from langchain.retrievers.document_compressors import CohereRerank

compressor = CohereRerank(top_n=5)
retriever = ContextualCompressionRetriever(
    base_compressor=compressor,
    base_retriever=vector_retriever
)

Integrating into LlamaIndex

from llama_index.postprocessor.cohere_rerank import CohereRerank

rerank = CohereRerank(top_n=5)
query_engine = index.as_query_engine(
    similarity_top_k=20,
    node_postprocessors=[rerank]
)

Çeşitlilik Farkındalıklı Yeniden Sıralama

Bazen yalnızca en yüksek puanlı sonuçları değil, çeşitli sonuçları istersiniz (en yüksek puanlı sonuçlar birbirinin neredeyse kopyası olabilir). MMR (Maksimum Marjinal Uygunluk), puan ile çeşitlilik arasında denge kurar:

from langchain.vectorstores import Chroma
results = store.max_marginal_relevance_search(query, k=5, fetch_k=20, lambda_mult=0.5)

İki Aşamalı Düzen

Neden yalnızca birini kullanmak yerine çift kodlayıcı + çapraz kodlayıcı kullanılır?

Özet

Çift kodlayıcı 50 sonuç getirir, çapraz kodlayıcı bunları 5 sonuca yeniden sıralar. Üretimde Cohere veya Voyage kullanın; kendi sunucunuzda barındırıyorsanız BGE OSS kullanın. Orta düzeyde ek maliyet karşılığında kayda değer bir doğruluk artışı sağlanır.

Sıkça Sorulan Sorular

“Çapraz Kodlayıcılarla Yeniden Sıralama” dersi ücretsiz mi?

Evet — “Çapraz Kodlayıcılarla Yeniden Sıralama” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve AI Agents kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. AI Agents kursu toplamda 4 dersten oluşur.

“Çapraz Kodlayıcılarla Yeniden Sıralama” dersinde ne öğreneceğim?

Ucuz gömüntülerle ilk 50 sonucu getirin, ardından daha yüksek kesinlik için ilk 5 sonucu daha yavaş bir çapraz kodlayıcıyla yeniden sıralayın. AI Agents ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.

AI Agents öğrenmeye başlamak için deneyim gerekli mi?

Önceden deneyim gerekmez. CoddyKit'te AI Agents, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 1. dersidir.

“Çapraz Kodlayıcılarla Yeniden Sıralama” dersi ne kadar sürer?

Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.

Bu AI Agents dersinde kod yazıp çalıştırabilir miyim?

Evet. Her AI Agents dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.

Bu kursun tüm dersleri

← AI Agents Sayfasına Dön