Chapitre 3 : Auto-interrogation et filtrage par métadonnées

Qu'est-ce que l'auto-interrogation ?

Le LLM extrait à la fois la requête sémantique et les filtres structurés à partir de l'entrée utilisateur :

Utilisateur : "Trouver les politiques RH de 2023"

Extrait :
- Requête sémantique : "politiques RH"
- Filtres : {department: "RH", year: 2023}

Mise en œuvre avec LangChain

from langchain.retrievers.self_query.base import SelfQueryRetriever
from langchain.chains.query_constructor.base import AttributeInfo

# Définir les attributs de métadonnées
metadata_field_info = [
    AttributeInfo(
        name="department",
        description="Le département (RH, Ingénierie, Ventes)",
        type="string"
    ),
    AttributeInfo(
        name="year",
        description="Année de publication",
        type="integer"
    ),
    AttributeInfo(
        name="document_type",
        description="Type de document (politique, guide, mémo)",
        type="string"
    )
]

# Créer un récupérateur d'auto-interrogation
retriever = SelfQueryRetriever.from_llm(
    llm=llm,
    vectorstore=vectorstore,
    document_contents="Documents internes de l'entreprise",
    metadata_field_info=metadata_field_info
)

# Requête avec filtres en langage naturel
results = retriever.get_relevant_documents(
    "Montrez-moi les directives d'ingénierie de 2024"
)
# Filtre automatiquement : department=Ingénierie, year=2024

Comparaisons prises en charge

Opérateur	Exemple
$eq	year == 2023
$ne	status != "brouillon"
$gt	year > 2020
$gte	year >= 2020
$lt	year < 2024
$in	department in ["RH", "Juridique"]

Meilleures pratiques

1. Schéma de métadonnées clair - Attributs bien définis
2. Bonnes descriptions - Aident le LLM à comprendre les champs
3. Logique de secours - Gérer les échecs d'extraction
4. Tester minutieusement - Divers modèles de requêtes

Combinaison des approches

# Multi-requête + Auto-interrogation
def advanced_retrieve(query, retriever):
    # Générer des variations
    queries = generate_variations(query)
    
    # Auto-interroger chaque variation
    all_results = []
    for q in queries:
        results = self_query_retriever.get_relevant_documents(q)
        all_results.extend(results)
    
    # Dédupliquer et classer
    return rank_and_dedupe(all_results)