# Verim Kalibrasyonu ve Temizleme

GeoPard'ı kullanın **verim verilerini temizleyin** ve **verim izleyici (yield monitor) veri setlerini kalibre edin**. Bölgeler, reçeteler ve analizler için güvenilir bir verim haritası elde edin. Bu iş akışı aykırı değerler, geri dönüşler, eksik öznitelikler ve çoklu biçerdöver verilerini işler. Ayrıca **USDA verim temizleme protokolünü** destekler **Yield Editor alternatif** iş akışlarını.

{% embed url="<https://youtu.be/Tk5lubolnHQ>" %}
Verim verisi temizleme ve kalibrasyon video eğitimi. Seçenekler arasındaki farklar açıklandı.
{% endembed %}

Bu kalibrasyon süreci şunlarda etkilidir:

1. **Veri Tutarlılığını Sağlama**: Birden fazla biçerdöverin birlikte veya farklı günlerde çalışması yaygındır. Bu özellik onların verilerinin uyumlu olmasını sağlar.
2. **Veriyi Homojenleştirme**: Verim verileri değişken olabilir; kalibrasyon istenmeyen dalgalanmalar veya düşüşler olmadan veriyi düzgün ve tutarlı hale getirir.
3. **Gürültüyü Filtreleme**: Her veride olduğu gibi verim verilerinin de 'gürültü' veya alakasız bilgiler içerebilir. Bu durumların içgörülerinizi kirletmemesini sağlıyoruz.
4. **Geometriyi Düzenleme**: Herhangi bir geri dönüş veya tuhaf geometrik veri deseni gerçek içgörüleri çarpıtabilir. Kalibrasyon bunları düzeltmek üzere tasarlanmıştır, böylece veriler sahadaki gerçekliği doğru yansıtır.
5. **Arazi Sınırına Göre Kırpma**: Biçerdöverler sıklıkla bitişik alanlarda çalışır. Doğru analiz sonuçları için yalnızca belirtilen sınır içinde yer alan verileri dikkate almak esastır.

{% hint style="info" %}
Verim Kalibrasyon arayüzü, Verim Temizle/Kalibre et için GeoPard API uç noktasını kullanır ([GeoPard API: Verim Veri Setini Kalibre Et ve Temizle](/geopard-tutorials/tr/api-belgeleri/geopard-api-isteklerine-genel-bakis/84.-mutasyon-verimdatasetini-kalibre-et-ve-temizle.md)). UI'da veya API üzerinden `KALİBRE ET` ve `TEMİZLE` işlemleri çalıştırır.
{% endhint %}

## Hızlı Genel Bakış

<table data-view="cards"><thead><tr><th></th><th></th><th></th><th data-hidden data-card-cover data-type="files"></th></tr></thead><tbody><tr><td><img src="/files/f6bb8fcf133cff40e4d3bad0d5f9914ec35bff5c" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="/files/e729a2b8ccd103d0accf96c551269c7f62a2aefd" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="/files/cd15528024f40356442427b42ae508f80039ff96" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="/files/676601279f7b9accfc215d0b29e3aafd33031301" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="/files/e15723e296e3b856b34083ce351ad751d40b9af8" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="/files/685b831ed202bf591060ccf7e2b0c5ca03eab27d" alt=""></td><td></td><td></td><td></td></tr></tbody></table>

{% file src="/files/92259f2fcef70c794903b0bc59a6712aa9448a72" %}
Verim Temizleme PDF Broşürünü İndir
{% endfile %}

## Gerçek Dünya Örnekleri

Tarım alanında bozulmuş verim veri setleri önemli zorluklar oluşturabilir. Aşağıda bu tür veri setleriyle karşılaşılan gerçek dünya örneklerini bulabilirsiniz. GeoPard'ın gelişmiş kalibrasyon ve temizleme algoritmaları sayesinde bu veri setleri etkili biçimde iyileştirilmiş ve optimize edilmiştir.

{% hint style="info" %}
Kayıtlı Verim Verisi eksik olan alanları ele almak ve Verim Haritasının bütünlüğünü sağlamak için GeoPard Sentetik Verim Haritası yaklaşımını kullanmayı düşünebilirsiniz. Bu yöntem eksik verileri geri yükleyerek eksiksiz bir verim analizine olanak tanır. Daha fazla bilgi edinin [burada](/geopard-tutorials/tr/agronomi/sentetik-verim-haritasi.md).
{% endhint %}

### Birden Fazla Biçerdöverin Birlikte Çalışması

<figure><img src="/files/1978bd575829263419aa5f0e354664dc3b197e96" alt=""><figcaption><p>Örnek 1: Birden Fazla Biçerdöverin Birlikte Çalışması</p></figcaption></figure>

{% hint style="info" %}
Karmaşık senaryolarla uğraşırken en iyi doğruluk için iki aşamalı bir kalibrasyon süreci önerilir. Önce Machine ID özniteliğini kullanarak ilk kalibrasyonu çalıştırın. Ardından, Simulated (Sentetik) Machine Paths onay kutusunu kullanarak ikinci bir kalibrasyon turu yapın. Bu aşamalı yaklaşım, karmaşık durumların etkili yönetimi için kapsamlı ve hassas bir kalibrasyon sağlar.
{% endhint %}

<figure><img src="/files/5d3d68b199732d177d5121d48e69c17d2fdf83e5" alt=""><figcaption><p>Örnek 2: Birden Fazla Biçerdöverin Birlikte Çalışması</p></figcaption></figure>

<figure><img src="/files/62acafcd2e1541e719d5bf294dd9095908360521" alt=""><figcaption><p>Örnek 3: Birden Fazla Biçerdöverin Birlikte Çalışması</p></figcaption></figure>

### J-dönüşleri, Durmalar, Ekipman Yarısı Genişliği Kullanımı

<figure><img src="/files/cc159c4446870c99f1b7da6a07f58c69736758d7" alt=""><figcaption><p>Örnek 1: U-dönüşleri, Durmalar, Ekipman Yarısı Genişliği Kullanımı</p></figcaption></figure>

<figure><img src="/files/bdd5f2cb5aa4b1e191056beb3e641a546152af89" alt=""><figcaption><p>Örnek 2: U-dönüşleri, Durmalar, Ekipman Yarısı Genişliği Kullanımı</p></figcaption></figure>

### Normalin Üzerinde Kayıtlı Büyük Değerler

<figure><img src="/files/ff5615e2fabbd2a652a04e80639153b7d19e4dd7" alt=""><figcaption><p>Örnek 1: Normalin Üzerinde Kayıtlı Büyük Değerler</p></figcaption></figure>

<figure><img src="/files/ec176d44ba55f469e8a0cc0d22af1b57c99afb65" alt=""><figcaption><p>Örnek 2: Normalin Üzerinde Kayıtlı Büyük Değerler</p></figcaption></figure>

<figure><img src="/files/be7181dcaa90d7e4746c73eba9b51e9f7fba2b24" alt=""><figcaption><p>Örnek 3: Normalin Üzerinde Kayıtlı Büyük Değerler</p></figcaption></figure>

<figure><img src="/files/149a90d15419fa274181fca99851a04829bb24be" alt=""><figcaption><p>Örnek 4: Normalin Üzerinde Kayıtlı Büyük Değerler</p></figcaption></figure>

<figure><img src="/files/ad7717e1f39c0e804be21bfb633d50a3e644b2bb" alt=""><figcaption><p>Örnek 5: Normalin Üzerinde Kayıtlı Büyük Değerler</p></figcaption></figure>

### Arazi Sınırının Dışındaki Veriler

<figure><img src="/files/a7d5df77ee740831f3aa0b49490c9a65c5ab9a36" alt=""><figcaption><p>Örnek: Arazi Sınırlarının Dışındaki Veriler</p></figcaption></figure>

### Sağlanan Ortalama Verim Değerini Kullanarak Kalibrasyon

<figure><img src="/files/0aeaf7ef92177b179cdca7c3dceca5814826ffe9" alt=""><figcaption><p>Örnek: Sağlanan Ortalama Verim Değeri (28 t/ha) Kullanarak Kalibrasyon</p></figcaption></figure>

### Anomalileri Olan Öznitelikleri Gözardı Ederek Verimi Temizleme

Verim Veri Seti bazen Nem, Hız, Yükselti veya diğer ikincil (verim dışı) özniteliklerde düzensizlikler içerebilir. Temizle veya Kalibre et işlemleri yürütülürken bu anomalilerin gözardı edilmesi önemlidir. Bu, GeoPard Verim Temizle-Kalibre arayüzü kullanılarak etkin bir şekilde yapılabilir.

<figure><img src="/files/a53579f77b084771d70b5a2c766ee6524f4b12dd" alt=""><figcaption><p>Örnek: Nem Özniteliğinde Anomaliler</p></figcaption></figure>

<figure><img src="/files/3337048b6e12208367dc83d257d6177b0e619f0a" alt=""><figcaption><p>Örnek: Nemdeki Anomalileri Gözardı Ederek Verim Verilerini Temizleme</p></figcaption></figure>

### USDA Verim Temizleme Protokolü

Bu seçeneği kullanın khi ihtiyaç duyduğunuzda **tekrarlanabilir, standartlara dayalı bir verim düzenleyici (yield editor) iş akışı**. Bu, **ölçekli verim izleyici verisi temizleme** için optimize edilmiştir.

<figure><img src="/files/01030cbef860d6167c60a873303aa95f916b7ffd" alt=""><figcaption><p>Örnek: USDA Protokolü Uygulayarak Verim Verilerini Temizleme</p></figcaption></figure>

<figure><img src="/files/292654cbc90a8be0f29c748bf3356baa6153b112" alt=""><figcaption><p>Örnek: USDA Protokolü Uygulayarak Verim Verilerini Temizleme</p></figcaption></figure>

## Kalibrasyon Mantıklarının Açıklaması

### Yol Bazlı Kalibrasyon

**KULLANIN** **Yol Bazlı Kalibrasyon** bir arazi <mark style="background-color:green;">birden fazla makine tarafından veya birkaç gün boyunca hasat edildiyse, özellikle çizgilenme veya bantlaşma gibi sistematik farklılıkları düzeltmek için.</mark> Farklı makina ayarları, operatörler veya çevresel koşulların farklı yollar boyunca tutarlı bir şekilde fazla ya da eksik tahminlere yol açtığı senaryolar için idealdir.

Önemli olarak, <mark style="background-color:yellow;">yapay zekanın etkili öğrenip kalibre edebilmesi için farklı yollar, makine kimlikleri veya hasat tarihleri gibi varyasyona ihtiyacı vardır.</mark>

<figure><img src="/files/a24ac4493512d6eb1eec526e2455db49cd5a3b7f" alt=""><figcaption><p>Örnek: Verim WetMass ve 9 Biçerdöver</p></figcaption></figure>

**KULLANMAYIN** bu yöntemi tek makineyle tek seferlik bir hasat veya verim haritasında görünür mekansal desenler yoksa. Ayrıca veri seyrekse veya yalnızca makine düzeyindeki farklar olmadan tüm araziye ait toplam verim değerlerine sahipseniz kullanmaktan kaçının

<figure><img src="/files/66033ff2cc7294ad81ec7d54aea8499c45a30ba3" alt="" width="563"><figcaption><p>Örnek: İstatistiksel Olarak Doğru Veri Dağılımı</p></figcaption></figure>

### Ortalama veya Toplam Kalibrasyon

**Ortalama/Toplam Kalibrasyon EN İYİ ŞEKİLDE KULLANILIR** şu durumlarda <mark style="background-color:green;">tüm arazi düzeyindeki verim verilerine (ör. kantar kayıtları veya depo kayıtları) yüksek derecede güveniniz varsa.</mark> Bireysel yolları ayarlamak yerine bu yöntem tüm veri setini ölçeklendirir, böylece nihai ortalama veya toplam bilinen referans değerinize uyar. Genel sayıların güvenilir olduğu durumlarda genellikle en basit ve en güvenli kalibrasyon seçeneği olarak tanımlanır.

Ne Zaman **Ortalama/Toplam Kalibrasyonu KULLANIN:**

* **Bilinen Referans Değerleri**: Resmi toplam verim kayıtlarınız (ör. kantar kayıtları) veya arazi için çok güvenilir bir ortalama verim değeriniz varsa bu mantığı kullanmalısınız.
* **Küresel Önyargı Düzeltmesi**: Verim haritasındaki mekansal dağılım doğru görünüyorsa ancak değerler genel olarak kaymışsa — yani verim izleyicisi muhtemelen kalibre edilmemiş ve tüm arazi boyunca tutarlı şekilde fazla veya az değer raporluyorsa — bu yöntem idealdir.
* **Tutarlı Hasat Koşulları**: Bu yöntem, hasat koşullarının operasyon boyunca göreli olarak tutarlı olduğu durumlarda en etkilidir.
* **Tek Makine Tutarlılığı**: Alanı tutarlı performans gösteren tek bir makinenin hasat ettiği durumlarda iyi çalışır.

<figure><img src="/files/66033ff2cc7294ad81ec7d54aea8499c45a30ba3" alt="" width="563"><figcaption><p>Örnek: Ortalama Verimi Kullanarak Gerekli Kaydırma ile İstatistiksel Olarak Doğru Veri Dağılımı</p></figcaption></figure>

Ne Zaman **Ortalama/Toplam Kalibrasyonu KULLANMAYIN:**

* **Makineden Makineye Önyargı**: Eğer alanın farklı bölümleri farklı makineler tarafından veya farklı günlerde hasat edilip yerel önyargılara neden olduysa bu yöntemi kullanmayın. Bu durumlarda tüm araziyi ölçeklendirmek makineler arasındaki temel tutarsızlıkları düzeltmez.
* **Görünür Artefaktlar**: Verilerinizde güçlü çizgilenme, bantlaşma veya yönsel artefaktlar görüyorsanız bu yöntem bunları çözmez; <mark style="background-color:green;">bu sorunlar için yol bazlı (pathwise) kalibrasyon daha uygundur</mark>.
* **Eksik Veri**: Sadece bir kısmı hasat edilmiş veya kaydedilen veri eksikse bu mantığı kullanmaktan kaçının; çünkü toplam/ortalama değerler yanıltıcı olur.

<figure><img src="/files/418adefeecd1f2b4c5f501900d275c993054b400" alt="" width="563"><figcaption><p>Örnek: Boşluklu Verim Verisi</p></figcaption></figure>

### Koşullu Kalibrasyon

**Koşullu Kalibrasyon** olarak hizmet eder <mark style="background-color:green;">önceden tanımlanmış makul minimum ve maksimum aralıklar içinde verim değerlerinin kalmasını sağlayarak bir güvenlik kontrolü</mark>.

Siz **BU MANTIĞI KULLANMALISINIZ** aşırı aykırı değerleri ve gürültü, makine durmaları veya dönüşlerden kaynaklanan sensör sıçramalarını<mark style="background-color:green;">kaldırmak için</mark>. Bu, düzeltme yapmadan belirli tarımsal beklentileri uygulamak için idealdir — örneğin "verim X'i aşamaz" gibi.

<figure><img src="/files/95884e27519ad22c4f8f1ed7efc685c1f45f99ae" alt=""><figcaption></figcaption></figure>

Ancak, **BU YÖNTEMDEN KAÇININ** eğer veri setinizde küresel bir önyargı veya sistematik makine farklılıkları varsa; çünkü bu yöntem veriyi ölçeklendirmez veya mekansal desenleri düzeltmez. Esasında değerleri makul tutar ama temel kalibrasyon sapmalarını çözmez.

## Kullanım Stratejisi

<figure><img src="/files/6c1789cd375a88d9c4c3ba9492f77642c6aa3295" alt=""><figcaption><p>Verim Kalibrasyonuna Dair Tek Sayfa Rehberi</p></figcaption></figure>

{% file src="/files/be2a1fa71bf577b72c669ed4e00894035f8a7f5f" %}
Verim Kalibrasyon Rehberinin PDF Tek Sayfasını İndir
{% endfile %}

## İlk Adım

"Yield Calibrate and Clean" modülü Kullanıcı Arayüzünden doğrudan başlatılır. Birincil gereksinim yüklenmiş bir Verim Veri Setine sahip olmaktır. Her Verim Veri Setinin yanında veri seti ayarlamalarını başlatmak için bir düğme bulacaksınız.

<figure><img src="/files/7bac94a7f0d04c22159b581c5d7ee7f3ead14158" alt=""><figcaption><p>Akışı başlatın</p></figcaption></figure>

<figure><img src="/files/7fcf24695fe1c6b990a4a7d6e0fe8da6493ac512" alt="" width="563"><figcaption><p>İlerlemeniz için bir seçenek seçin</p></figcaption></figure>

Bundan sonra ilerlemek için birkaç seçenek mevcuttur:

1. **Otomatik İşleme**: Tek tıklamayla kalibrasyon için varsayılan, GeoPard tarafından önerilen ayarları kullanın.
2. **Sadece Temizle**: YALNIZCA TEMİZLE işlemini yapılandırın ve çalıştırın, dahil olmak üzere
   1. **GeoPard Temizleme**: AI algoritmaları ile Verim veri setinin Akıllı Temizliği.
   2. **Kanola Konseyi Kanada** (Amerika Birleşik Devletleri Tarım Bakanlığı) verim için Temizleme Protokolü.
   3. **Koşullu Temizleme**: Özel öznitelik eşiklerine göre veriyi filtreleyin.
3. **Sadece Kalibre Et**: YALNIZCA KALİBRE ET işlemini yapılandırın ve çalıştırın, dahil olmak üzere
   1. **Pathwise**: Her bir makine yolunu AI algoritmaları kullanarak kalibre edin.
   2. **Ortalama/Toplam**: Alanın bilinen ortalama veya toplam verimine göre verimi ayarlayın.
   3. **Koşullu**: Beklenen aralıkları korumak için verimi belirlenen minimum ve maksimum sınırlar içinde değiştirin.
4. **Kalibre Et & Temizle**: İşlem sırasını seçin ve parametreleri özelleştirin.
5. **Yield Editor Alternatifi**: Kullanın **Sadece Temizle → USDA** (veya **Kalibre Et & Temizle**) manuel “Yield Editor” temizleme iş akışına uygun hale getirmek için, ancak ölçekli olarak. Doğrulama testlerinde USDA protokolü temizleme, manuel Yield Editor sonuçlarıyla **R² (R2) = 0.98** (neredeyse özdeş çıktı) ile eşleşti.

## Tek Butonla Çözüm

{% hint style="warning" %}
**Verim veri setlerine bazen özgü anormal değerler için ipucu.**

Eğer bir **attribute** kalibrasyon veya temizleme için seçilen veri seti ağırlıklı olarak **çoğu geometrilerde** **sıfır değerler içeriyorsa**, bu geometriler nihai Verim Veri Setinden hariç tutulacaktır.

Bütünlüğü sağlamak için, bu tür anomalilere sahip öznitelikler kalibre edilecek öznitelik listesinden çıkarılmalıdır.
{% endhint %}

{% @arcade/embed url="<https://app.arcade.software/share/gzZZkXqKSAd1eaIKNqDB>" flowId="gzZZkXqKSAd1eaIKNqDB" %}

## Tam Rehberlik

{% hint style="warning" %}
**Akış Seçin: Veri Anomalileri İçin İpucu**

Kullanıcı veride sıfıra yakın değerler veya olağandışı büyük değerler (örneğin ortalama 10 iken maksimum 8000 gibi) gibi anomalilerle karşılaşıyorsa, **Temizleme & Kalibrasyon** iş akışı tavsiye edilir.

Kalibrasyondan önce verinin temizlenmesine öncelik vermek, hataların, eksik değerlerin veya tutarsızlıkların giderilmesini sağlar ve böylece veri kalitesi ile doğruluğunu artırır.
{% endhint %}

{% hint style="warning" %}
**Akış Seçin: Başlangıçta Hata Olmayan Veriler İçin İpucu**

Başlangıçta hatasız, eksik değersiz veya tutarlı veri kümeleri için ve birden fazla hasat makinesinin yer aldığı biliniyorsa, **Kalibrasyon & Temizleme** iş akışı.

Kalibrasyondan sonra veriyi temizlemek, kalibrasyon sırasında ortaya çıkmış olabilecek artefaktları ortadan kaldırarak veri kümesini daha da iyileştirmeye yardımcı olur.
{% endhint %}

{% hint style="warning" %}
**Temizleme Akışı: Verim veri setlerine bazen özgü anormal değerler için ipucu.**

Eğer bir **attribute** kalibrasyon veya temizleme için seçilen veri seti ağırlıklı olarak **çoğu geometrilerde sıfır değerler içeriyorsa**, bu geometriler nihai Verim Veri Setinden hariç tutulacaktır.

Bütünlüğü sağlamak için, bu tür anomalilere sahip öznitelikler temizlenecek öznitelik listesinden çıkarılmalıdır (2).
{% endhint %}

{% hint style="warning" %}
**Kalibrasyon Akışı: Verim veri setlerine bazen özgü anormal değerler için ipucu.**

Eğer bir **attribute** kalibrasyon veya temizleme için seçilen veri seti ağırlıklı olarak **çoğu geometrilerde** **sıfır değerler içeriyorsa**, bu geometriler nihai Verim Veri Setinden hariç tutulacaktır.

Bütünlüğü sağlamak için, bu tür anomalilere sahip öznitelikler kalibre edilecek öznitelik listesinden çıkarılmalıdır (3).
{% endhint %}

{% @arcade/embed url="<https://app.arcade.software/share/i8Q6uC04nIVjJLLOYELJ>" flowId="i8Q6uC04nIVjJLLOYELJ" %}

## Algoritma Sürümleri

İşlem sonrası sonuçlar orijinal veri setinin yanında gösterilir. Bunlar **"Kalibre"** ve/veya **"Temizle"** etiketleri ve ayrıca algoritma sürümü ile işaretlenir.

<figure><img src="/files/628af749b7da3a7f0543db921e5b03d8dc62f51c" alt=""><figcaption><p>Kalibre Et &#x26; Temizle yürütmesinin sonucu (sürüm 2)</p></figcaption></figure>

{% hint style="info" %}
Şuradan `sürüm 3.0` Clean/Calibrate algoritmasının 3.0 sürümünden itibaren GeoPard, Arazi Sınırına Göre Kırpma özelliğini tanıttı. Bu, yalnızca Arazi Sınırı içindeki geometrileri tutar ve istatistiksel dağılımı iyileştirir.
{% endhint %}

<figure><img src="/files/b501597ecb44523579ca80417e8e5cbf4183a7be" alt=""><figcaption><p>Otomatik İşleme yürütmesinin sonucu (sürüm 3.0)</p></figcaption></figure>

{% hint style="info" %}
Başlangıç olarak `sürüm 4.0`, GeoPard'taki Clean/Calibrate algoritması artık herhangi bir öznitelik için Ortalama veya Toplam Değerlere dayalı kalibrasyon özelliğini içerir. Bu geliştirmelerin yaygın bir uygulaması, WetMass'in kalibrasyonu olup artık belirli bir arazi için bilinen ölçülen Ortalama Verim ile ayarlanabilir.
{% endhint %}

<figure><img src="/files/57731bd4cc1d57b7bbec90c4de67ae92a3b0063e" alt=""><figcaption><p>Ortalama Verim 6 t/ha kullanılarak yapılan Kalibrasyon yürütmesinin sonucu (sürüm 4.0)</p></figcaption></figure>

{% hint style="info" %}
Şuradan `sürüm 5.0` Clean/Calibrate algoritmasının 5.0 sürümünden itibaren GeoPard, verim için USDA (Amerika Birleşik Devletleri Tarım Bakanlığı) Temizleme Protokolünü tanıtmıştır. USDA, verim, nem, akış ve mekansal ölçümlerin nasıl normalize edileceğini, doğrulanacağını ve istatistiksel olarak filtreleneceğini düzenleyen resmi tarımsal veri standartlarını sağlar; böylece makine ve arazi tutarlı tarımsal veri setleri üretilir.
{% endhint %}

<figure><img src="/files/01030cbef860d6167c60a873303aa95f916b7ffd" alt=""><figcaption><p>USDA Protokolü kullanılarak Temizleme yürütmesinin sonucu (sürüm 5.0)</p></figcaption></figure>


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.geopard.tech/geopard-tutorials/tr/agronomi/verim-kalibrasyonu-ve-temizleme.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.