සමාගම් ගණනාවක් AI උදව්කරු (ChatGPT‑4o) හඳුන්වා ගත්තාම, නිවැරදි පිළිතුරු ලැබෙන්නේ නැති අවස්ථා පෙනී යයි. ප්රශ්නයකට අදාළ ප්රතිඵලයක් හෝ නීතිමය තොරතුරක් අඩංගු නොවූ විට, LLM එකේ “හාලුම” (hallucination) වැඩිවීමේ ගැටළුවක් පෙන්වයි. මේ නිසා, සමාගමේ අභ්යන්තර දත්ත හඳුනා ගැනීමේ හැකියාව නැතිව AI එක භාවිතා කිරීම අත්යවශ්ය නොවේ.
ඉදිරියට යාමට, RAG (Retrieval‑Augmented Generation) නම් තාක්ෂණය භාවිතා කරයි. මෙය පළමුව ලේඛන හොඳින් කොටස් (chunks) කර, ඒ කොටස්වල embedding ගණනය කර, pgvector යනු PostgreSQL එකේ vector එකතු කිරීමේ දිගුවක් භාවිතා කර තොරතුරු ගබඩා කරයි. පරිශීලක ප්රශ්නයක් එන විට, vector සෙවීම, සම්පූර්ණ පෙළ සෙවීම, සහ කීවර්ඩ් සෙවීම යන තුනක් එකට මිශ්ර කර, නවතම ප්රතිඵල ලබා දේ.
සම්ප්රදායික RAG ක්රම වලින් ඇති ගැටළු – අසමත් කොටස්, vector‑මත පදනම් වූ අඩු නිවැරදිත්වය, PDF, සටහන්, සූත්ර ආදී බහුමාධ්ය ලේඛන හසුරවීමේ අසීරුතා, සහ අනුමත නොකළ පරිශීලකයන්ට තොරතුරු පෙන්වීම – මේ නව පද්ධතිය විසඳයි. pgvector තෝරා ගැනීමේ හේතුව, PostgreSQL සමඟ සම්බන්ධතා, ගනුදෙනුකාරක සමඟ අනුකූලතාව, සහ RLS (Row Level Security) මගින් අංශ‑අනුව ප්රවේශය පාලනය කිරීමයි.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තාක්ෂණික ආයතන, ස්ටාර්ට්‑අප්, සහ විශ්වවිද්යාල සිසුන්ට මෙම තාක්ෂණය වඩාත් ප්රයෝජනවත් වේ. පළමු වරට, pgvector භාවිතයෙන් දත්ත ගබඩා කිරීමේ පිරිවැය අඩු වේ, එමඟින් කුඩා හා මධ්යම පරිමාණ ව්යාපාරවලට AI‑ආධාරිත knowledge base එකක් ඉක්මනින් ගොඩනඟා ගත හැක. දෙවැනි වරට, බුද්ධිමත් කොටස් කිරීම (smart chunking) මඟින් PDF, Excel වැනි බහුමාධ්ය ලේඛනවලින් වැදගත් තොරතුරු අහිමි නොවේ. තෙවැනි වරට, hybrid search ක්රමය නිවැරදි, සත්ය තොරතුරු ලබා දීමේ විශ්වාසය වැඩි කරයි. අවසානයේ, RLS මගින් රහස්ය පත්රිකා, HR ගොනු, හෝ මූල්ය තොරතුරු ආදිය අනුමත නොකළ පරිශීලකයන්ට පෙන්වීමේ අවදානම ඉවත් කරයි.
ඉදිරියේදී, ශ්රී ලංකාවේ AI‑කෙන්ද්රිත ව්යාපාරික විසඳුම් වලට මේ ආකෘතිය අත්යවශ්ය පදක්කමක් වීමට හැකියාව ඇත. ඔබේ සමාගමට හෝ පර්යේෂණයට AI RAG ක්රමයක් අවශ්ය නම්, pgvector‑අධාරිත හොඳම තේරීමයි.
