Definicja i granice
QDP to robocza zasada oceny, czy określona intencja zasługuje na oddzielny dokument. Sprawdzamy różnicę encji, intencji, wzorca zapytania i funkcji strony, a nie tylko obecność osobnej frazy. Granicą tego pojęcia jest jego funkcja w całym pipeline AI Search. Nie należy rozszerzać go na obszary, które mają inną rolę techniczną lub decyzyjną.
Rola w systemie dokumentów
Architektura powinna łączyć dokumenty według zależności znaczeniowych: definicja → mechanizm → zastosowanie → pomiar → działanie. Nie należy tworzyć płaskiej sieci artykułów, w której każda strona linkuje do wszystkich pozostałych.
Kontrola jakości
Każda indeksowalna strona musi mieć własną dominującą intencję, jeden H1, canonical, logiczne linki przychodzące i jasne miejsce w topical map. Warto okresowo szukać stron osieroconych i par o zbyt podobnych intencjach.
Jak wykorzystać to pojęcie w praktyce?
W kontekście „QDP — czy to pytanie naprawdę zasługuje na osobną stronę?” najważniejsze jest, aby ocenić, czy intencja zasługuje na osobny dokument, czy powinna być sekcją istniejącej strony. System nie musi wykonywać dosłownie pytania wpisanego przez człowieka. Może rozpoznać encje, doprecyzować warunki, utworzyć kilka zapytań pomocniczych i połączyć ich wyniki. Dlatego analizę należy zaczynać od potrzeby oraz wariantów jej realizacji, nie od jednej frazy.
Przykład i sposób weryfikacji
Dla pytania o wybór usługi zapytania pomocnicze mogą dotyczyć zakresu, ceny, lokalizacji, opinii i ryzyka. Dokument odpowiadający wyłącznie na definicję kategorii może wejść do jednego etapu wyszukiwania, ale nie dostarczyć danych potrzebnych do końcowej rekomendacji.
Granice interpretacji
Nie wolno przedstawiać hipotetycznego przekształcenia zapytania jako ujawnionego procesu konkretnego modelu. Bez logów systemu obserwujemy odpowiedzi i źródła, a mechanizm opisujemy jako najbardziej prawdopodobne wyjaśnienie.
Wniosek dotyczący „QDP — czy to pytanie naprawdę zasługuje na osobną stronę?” powinien wskazywać, co rzeczywiście zaobserwowano, czego nie da się potwierdzić oraz jaki następny test może rozstrzygnąć wątpliwość. Taka forma chroni czytelnika przed pozorną pewnością i pozwala wykorzystać dokument jako część powtarzalnej metodologii AI Search.
Co sprawdzić dalej?
Ten dokument jest częścią spójnego modelu AI Search. Kolejny krok zależy od tego, czy problem dotyczy query processing, retrieval, encji, źródeł, architektury czy pomiaru.