如何定义认知索引/数据以支持两类业务场景的技术咨询

场景1：结构化表格数据的查询支持 #

针对表格数据的两类查询需求，需按以下步骤构建索引并实现查询：

• 索引配置：将表格的核心字段（产品名、国家、售价、数量、地区）导入认知索引，设置对应字段属性：
  • 产品名、国家、地区：设为可筛选、可检索的字符串类型
  • 售价、数量：设为数值类型（支持排序、聚合运算）
• 查询实现：
  • 「产品1在哪个国家售价最低？」：构造筛选条件产品名 eq '产品1'，按售价升序排序后取第一条结果的国家字段。
  • 「欧洲以外地区的产品1总数量是多少？」：构造筛选条件产品名 eq '产品1' and 地区 ne '欧洲'，对数量字段执行sum聚合操作，返回聚合结果。

场景2：多数据源接入与混合索引构建 #

多自有数据源接入 #

支持多自有数据源混合接入，包括多个认知索引、认知索引与Blob存储的组合，实现方式如下：

• 使用索引器工具，为不同数据源分别创建索引器，将数据同步至同一目标认知索引；
• 或通过自定义数据整合逻辑，统一多源数据格式后批量导入认知索引。

结构化+文本混合索引（表格+产品文章） #

要让聊天机器人同时回答结构化数据查询与文本内容问题，需构建混合索引：

• 索引字段设计：保留原有表格的结构化字段，新增产品文本详情字段（设为支持全文检索、语义分析的文本类型）。
• 数据导入：
  • 表格数据按结构化字段对应导入；
  • 产品文章内容（如生产流程）提取后，关联对应产品名存入产品文本详情字段。
• 跨源查询实现：
  针对「简述产品1的生产流程及平均售价」这类需求：
  1. 筛选产品名 eq '产品1'，对售价字段执行avg聚合得到平均售价；
  2. 对产品文本详情字段执行语义检索，提取生产流程相关内容；
  3. 整合两类结果后返回。

内容的提问来源于stack exchange，提问作者JamesP