Data

Přehled

Modul Data slouží ke sdružování více datových zdrojů do jednoho logického celku. Datová kolekce představuje centrální kontejner dat, který lze následně využívat v AI agentech, workflows nebo analytických nástrojích v Siesta AI.

Každá kolekce:

• má vlastní název a popis,
• obsahuje jeden nebo více datových zdrojů,
• umožňuje řídit a organizovat data podle jejich účelu.

Přehled datových kolekcí

Na hlavní obrazovce Kolekce dat je zobrazen seznam všech vytvořených kolekcí ve formě tabulky.

Zobrazené sloupce:

• Name – název datové kolekce
• Description – stručný popis účelu kolekce
• Data Sources – ikony připojených datových zdrojů
• Total files - celkový počet připojených souborů
• Total size - celková velikost všech připojených souborů
• Created – datum a čas vytvoření
• Akce – další možnosti práce s kolekcí, možnost zobrazení detailů a smazání kolekce

V horní části obrazovky je dostupné:

• vyhledávání kolekcí,
• tlačítko Vytvořit kolekci.

Vytvoření nové datové kolekce

Po kliknutí na Vytvořit kolekci se otevře dialog pro založení nové kolekce.

Povinná pole

• Název – jednoznačný název datové kolekce (např. Neurology Research Results – Big Data Collection).
• Popis – stručný popis obsahu a účelu kolekce.

Akce

• Zrušit – zavře dialog bez uložení
• Vytvořit – vytvoří novou datovou kolekci

Detail datové kolekce

Po otevření konkrétní kolekce se zobrazí její detailní stránka.

Zobrazené informace:

• název kolekce,
• přehled připojených datových zdrojů.

Součástí stránky jsou tlačítko Upravit data kolekci a Přidat datový zdroj.

Přidání datového zdroje do kolekce

Kliknutím na Přidat datový zdroj se otevře výběr typu datového zdroje.

Dostupné možnosti

• Manual Upload – ruční nahrání souborů
• Azure Storage Account
• Jira
• Firecrawl
• Google Drive
• Confluence

Konfigurace jednotlivých datových zdrojů

Jira

Pro Jira datový zdroj nastavíte:

• Name a Description,
• Connection ID (napojený Jira konektor),
• Sync schedule,
• Data collection (možnost přesunout zdroj do jiné kolekce),
• Project Key,
• sekce Retriever a Processing.

Přímý odkaz na konektor: Jira.

Azure Storage Account

Pro Azure Storage Account datový zdroj nastavíte:

• Name a Description,
• Connection ID (napojený Azure Storage konektor),
• Sync schedule,
• Data collection (možnost přesunout zdroj do jiné kolekce),
• seznam Blobs (včetně přidání/smazání položky),
• sekce Retriever a Processing.

Přímý odkaz na konektor: Azure Storage Account.

Confluence

Pro Confluence datový zdroj nastavíte:

• Name a Description,
• Connection ID (napojený Confluence konektor),
• Sync schedule,
• Data collection (možnost přesunout zdroj do jiné kolekce),
• Space Key.

Přímý odkaz na konektor: Confluence.

Firecrawl

Pro Firecrawl datový zdroj nastavíte:

• Name a Description,
• Connection ID (napojený Firecrawl konektor),
• Sync schedule,
• Data collection (možnost přesunout zdroj do jiné kolekce),
• Scrape type,
• Scrape URL,
• Limit a volitelné regex filtry (např. Include paths regex).

Přímý odkaz na konektor: Firecrawl.

Google Drive

Pro Google Drive datový zdroj nastavíte:

• Name a Description,
• Connection ID (napojený Google Drive konektor),
• Sync schedule,
• seznam Folders (včetně přidání/smazání položky),
• Data collection (možnost přesunout zdroj do jiné kolekce),
• sekce Retriever a Processing.

Přímý odkaz na konektor: Google Drive.

Manual Upload

Pro Manual Upload datový zdroj nastavíte:

• Name a Description,
• sekci Upload files pro nahrání souborů,
• Data collection (možnost přesunout zdroj do jiné kolekce),
• sekce Retriever a Processing.

Retriever a Processing

V těchto sekcích lze řídit způsob vyhledávání i přípravy dat pro AI:

• Retriever: Skip LLM query rewrite, Skip LLM re-ranking, Max results count
• Processing: Chunking strategy, Advanced content extraction, JSON Features, JSON Metadata Definitions

Nastavení Retriever a Processing lze měnit i u zdrojů Azure Storage Account, Manual Upload a Google Drive.

Detail datového zdroje (Overview, Configuration, Files, Logs)

Každý datový zdroj má v detailu vlastní záložky:

• Overview
• Configuration
• Files
• Logs

Overview

Záložka Overview poskytuje rychlý přehled:

• typ zdroje,
• stav posledních synchronizací,
• počet souborů a celkovou velikost,
• základní statistiky podle stavu a typu souborů.

Configuration

V záložce Configuration můžete upravovat nastavení datového zdroje (např. název, popis, frekvenci synchronizace, přiřazenou kolekci). Přes pole Data collection lze datový zdroj kdykoliv přesunout mezi kolekcemi. Součástí je i Danger Zone pro destruktivní akce jako re-ingest všech souborů.

Files

V záložce Files je přehled souborů daného zdroje:

• filtrace podle stavu,
• metadata souborů (typ, velikost, status, indexed/readable),
• možnost otevřít detail konkrétního souboru.

Detail souboru a chunking

V detailu souboru je vidět, jak byl dokument rozchunkovaný pro AI indexing. Zobrazuje se stav souboru, metadata a jednotlivé chunky, které vstupují do retrieval pipeline.

Logs

V záložce Logs najdete historii synchronizací a zpracování:

• datum spuštění a dokončení,
• počty zpracovaných/přeskočených položek,
• trigger synchronizace (např. plánovaně).

Napojení datových kolekcí na agenta

Datové kolekce se následně přiřazují k agentům v jejich nastavení. Podrobnosti najdete v části Konfigurace agenta.

Typické využití datových kolekcí

Datové kolekce slouží zejména k:

• organizaci většího množství souborů,
• sdružování dat podle tématu nebo projektu,
• vytváření jednotného zdroje pravdy pro AI agenty,
• opakovanému použití stejných dat v různých workflows,
• škálování práce s daty bez nutnosti jejich duplikace.

Shrnutí

Datové kolekce v Siesta AI umožňují přehlednou správu dat a jejich efektivní využití napříč celou platformou. Správně strukturované kolekce jsou základem pro kvalitní výstupy AI agentů a automatizovaných workflows.