Para atender a essas demandas econômicas, a plataforma Web IQ não entrega documentos completos aos agentes questionadores. Documentos inteiros podem levar a inferências caras mais adiante na cadeia, já que os LLMs processam os resultados repetidamente para impulsionar o fluxo de trabalho do agente. Em vez disso, o Web IQ estrutura as informações recuperadas dos dados subjacentes do mecanismo de pesquisa, fornecendo o que a Microsoft chama de “objetos de evidência estruturados”, bem como informações em nível de passagem de documentos de texto não estruturados. Isso deve resultar em uma relação sinal-ruído muito maior do que simplesmente consultar um mecanismo de busca, com foco no fornecimento de informações que permitam aos agentes trabalhar usando menos tokens.
Usando o Web IQ em seu código de agente
A API para Web IQ é uma chamada REST padrão, entregando um objeto de solicitação ao endpoint do Web IQ. Junto com sua chave de autorização da API, você enviará uma consulta, um conjunto de parâmetros que controlam a quantidade de resultados retornados, o idioma e a região utilizados, o tamanho máximo das respostas e o formato utilizado. As respostas podem ser retornadas em formato de texto, HTML ou markdown, bem como passagens extraídas selecionadas para contexto. Todas as outras opções retornam o documento completo, portanto seu uso pode ser mais caro. Markdown é uma alternativa interessante, pois pode ser usado como base para fornecer memórias semânticas aos agentes.
Os resultados incluem informações contextuais e de citações importantes, incluindo títulos e URLs de páginas da web, bem como dados sobre quando o site foi rastreado pela última vez e quão desatualizadas são as informações subjacentes. Isso pode ser usado para melhorar a base e fornecer mais informações que podem ser incluídas em respostas formatadas – da mesma forma que o Copilot do Bing exibe o contexto na forma de notas de rodapé em suas respostas.
