Sikker RAG-dokumentindtagelsescheckliste
Brug denne før du publiserer dokumenter i et system med hentning og forbedret generering.
Kilderegistrering
- Kildeejer angivet.
- Dataejer angivet.
- Systemet som reference dokumenteret.
- Tilladte brugere, roller eller grupper dokumenteret.
- Sensitivitetsniveau tildelt.
- Opdateringsfrekvens dokumenteret.
- Opbevaring og sletningsadfærd dokumenteret.
- Gennemsynsrytme tildelt.
Fil sikkerhed
- Filtype-liste med tilladte filtyper gældende.
- Grænse for filstørrelse gældende.
- Beslutning truffet om krav om malware-scanning eller indholdssanering.
- Krypterede eller ikke-understøttede filer afvist eller sendt til gennemsyn.
- Oprindelig filhash opbevaret.
- Oploader eller kildehændelse registreret.
Ekstraktion og OCR
- Ekstraktionsmetode registreret.
- OCR-konfidens registreret, hvor relevant.
- Antal sider og antal ekstraherede tegn registreret.
- Tomme eller mislykkede sider markeret.
- Tabeller gennemsøgt, når præcise værdier er vigtige.
- Kildesprog detekteret.
- Lavkvalitets ekstraktion udelukket eller sendt til gennemsyn.
Metadata og tilladelser
- Hver chunk har kilde-ID og dokument-ID.
- Hver chunk har metadata om synlighed for lejevært/bruger/rolle.
- Hver chunk har metadata om kildeejer og sensitivitetsniveau.
- Hver chunk har version eller indholdshash.
- Hver chunk har side- eller sektionreference, hvor det er muligt.
- Hentningsfiltere tilladelser før rangordning.
- Uautoriserede brugere henter ingen begrænsede chunks i tests.
Opbevaring og sletning
- Sti til sletning af oprindelig filcache eksisterer.
- Sti til sletning af ekstraheret tekst eksisterer.
- Sti til sletning af chunk eksisterer.
- Sti til sletning af embedding/vector eksisterer.
- Sti til sletning af opsummering/cache eksisterer.
- Logfiler og backuper følger dokumenterede regler for opbevaring.
- Sletningsverifikation registreres.
Startgate
- Eksempelspørgsmål henter forventede kilder.
- Udaterede kilder udelukkes eller markeres.
- Citater pejer på gyldige kildepositioner.
- Prompt-injektionstekst i dokumenter behandles som indhold, ikke instruktion.
- Kildeejer har godkendt produktionssortering.