Wikipedia-forankret Q&A AI-assistent

En AI-assistent, der besvarer brugerens spørgsmål med faktuelle og velundersøgte oplysninger ved at bruge RIG-metoden til at forankre svarene i Wikipedia-kilder og angive præcise sektioner. Ideel til pålidelige, sporbare svar baseret på eksterne data.

Sådan fungerer AI-flowet - Wikipedia-forankret Q&A AI-assistent

Flows

Sådan fungerer AI-flowet

Indsamling af brugerinput.
Indsamler brugerens spørgsmål via en chatgrænseflade.
Generering af indledende udkast.
Genererer et udkast til svar og identificerer, hvilke sektioner der kræver eksterne data eller verifikation.
Wikipedia-datainhentning.
Bruger Wikipedia-værktøjet til at hente relevante og faktuelle oplysninger til hver sektion af svaret.
AI-agent faktatjek & forfinelse.
AI-agenten forfiner og forankrer hver sektion af svaret ved hjælp af de hentede Wikipedia-data og tilføjer direkte kildehenvisninger.
Levering af svar.
Præsenterer det forankrede, veldokumenterede svar for brugeren via chatgrænsefladen.

Prompts brugt i dette flow

Nedenfor er en komplet liste over alle prompts, der bruges i dette flow for at opnå dets funktionalitet. Prompts er instruktioner givet til AI-modellen for at generere svar eller udføre handlinger. De vejleder AI'en i at forstå brugerens hensigt og generere relevante outputs.

Prompt

Opretter den indledende LLM-prompt for at generere et eksempelsvar med falske data og kildeindikatorer til videre forfinelse. Vejleder LLM'en til at angive, hvi...

                Gived is user's query. Based on the User's query generate best possible answer with fake data or percentage. After each of different sections of your answer, include data which source to use in order to fetch the correct data and refine that section with correct data. you can either specify to choose Internal knowledge source to fetch data from in case there is custom data to user's product or service or use wikipedia to use as general knowledge source.

---
Example Input: Which countries are top in terms of renewable energy and what is the best metric for measuring this and what is that measure for top country?
Example output: The top countries in renewable energy are Norway, Sweden, Portugal, USA [Search in Wikipedia with query "Top Countries in renewable Energy"], the usual metric for renewable energy is Capacity factor [Search in Wikipedia with query "metric for renewable energy"] and number one country has 20% capacity factor [search in Wikipedia "biggest capacity factor"]
---

Let's begin now!

User Input:   {input} 
            

AI-agent

LLM-agent prompt, der instruerer modellen i at forfine et indledende svar ved hjælp af Wikipedia-værktøjet, fokusere på faktuel nøjagtighed, citere kilder pr. s...

                You are given a sample answer to user's question. The sample answer might include wrong data.&

use wikipedia tool in the given sections with the specified query to use wikipedia's information to refine the answer. 

include the link of wikipedia in each of the sections specified. 

FETCH DATA FROM YOUR TOOLS AND REFINE THE ANSWER IN THAT SECTION. ADD THE LINK TO THE SOURCE IN THAT PARTICULAR SECTION AND NOT IN THE END.


Focus on detailed information. Don't use phrases like "In todays fast changing world...", "In today's complex...", "is a crucial step", "plays significant role", "fast-paced...", "pivotal role", "In the ever-evolving landscape of" or "In the realm of ...", always cut to the point without useless conclusions or intros.
            

Komponenter brugt i dette flow

Nedenfor er en komplet liste over alle komponenter, der bruges i dette flow for at opnå dets funktionalitet. Komponenter er byggestenene i hvert AI-flow. De giver dig mulighed for at skabe komplekse interaktioner og automatisere opgaver ved at forbinde forskellige funktioner. Hver komponent tjener et specifikt formål, såsom at håndtere brugerinput, behandle data eller integrere med eksterne tjenester.

ChatInput

Chat Input-komponenten i FlowHunt igangsætter brugerinteraktioner ved at indsamle beskeder fra Playground. Den fungerer som startpunktet for flows og gør det muligt for arbejdsgangen at behandle både tekst- og filbaserede input.

Prompt-komponent i FlowHunt

Lær, hvordan FlowHunt's Prompt-komponent lader dig definere din AI-bots rolle og adfærd, så du sikrer relevante og personlige svar. Tilpas prompts og skabeloner for effektive, kontekstbevidste chatbot-flows.

Generator

Udforsk Generator-komponenten i FlowHunt—kraftfuld AI-drevet tekstgenerering med din valgte LLM-model. Skab nemt dynamiske chatbot-svar ved at kombinere prompts, valgfrie systeminstruktioner og endda billeder som input, hvilket gør det til et centralt værktøj til at bygge intelligente, samtale-baserede arbejdsgange.

Wikipedia-værktøj

Chat ubesværet med enhver Wikipedia-side ved hjælp af FlowHunt's AI-agenter. Få korte resuméer, kildelinks og omdan timers research til interaktive indsigter.

AI Agent

AI Agent-komponenten i FlowHunt giver dine workflows autonom beslutningstagning og evnen til at bruge værktøjer. Den udnytter store sprogmodeller og forbinder til forskellige værktøjer for at løse opgaver, følge mål og levere intelligente svar. Ideel til at skabe avancerede automatiseringer og interaktive AI-løsninger.

Besked-widget

Besked-widget-komponenten viser brugerdefinerede beskeder i dit workflow. Ideel til at byde brugere velkommen, give instruktioner eller vise vigtig information, den understøtter Markdown-formatering og kan indstilles til kun at blive vist én gang pr. session.

Chat Output

Opdag Chat Output-komponenten i FlowHunt—afslut chatbot-svar med fleksible, fler-delte outputs. Uundværlig for problemfri flow-afslutning og til at skabe avancerede, interaktive AI-chatbots.

Chat Åbnet Udløser

Komponenten Chat Åbnet Udløser registrerer, når en chatsession starter, og gør det muligt for workflows at reagere øjeblikkeligt, så snart en bruger åbner chatten. Den indleder flows med den indledende chatbesked, hvilket gør den essentiel til opbygning af responsive, interaktive chatbots.

Flow-beskrivelse

Formål og fordele

Oversigt

RIG (Retrieval Interleaved Generator) Wikipedia-assistenten er et automatiseret workflow, designet til at besvare brugerforespørgsler ved at generere indledende svar, identificere nødvendige faktuelle data, hente oplysninger fra Wikipedia og forfine sine svar med præcise kildehenvisninger for hver sektion. Dets primære mål er at levere svar, der er forankret i verificerbare kilder og at angive præcist, hvilke sektioner og kilder der er brugt, hvilket gør det særligt nyttigt til forskning, faktatjek og uddannelsesmæssige formål.

Sådan fungerer workflowet

  1. Chatstart & Velkomst

    • Når en chatsession åbnes, bliver brugeren mødt med en velkomstbesked, der forklarer flowets formål: at give pålidelige, kildeunderbyggede svar. Dette hjælper med at sætte forventningerne til kvaliteten og gennemsigtigheden af svarene.
  2. Modtagelse af brugerforespørgsel

    • Brugeren indsender et spørgsmål via chatinputten. Dette input opfanges og sendes videre til behandling.
  3. Prompt-generering

    • Workflowet inkluderer en Prompt Template, der tager brugerens spørgsmål og konstruerer en detaljeret prompt. Denne prompt instruerer systemet i at:
      • Generere et udkast til svar, selv hvis det bruger pladsholderdata.
      • For hver sektion i svaret angive, hvilken ekstern kilde (f.eks. Wikipedia) eller intern vidensbase der skal bruges til at verificere og forfine den sektion.
      • Inkludere søgeforespørgsler til Wikipedia for at hente de korrekte oplysninger til hver sektion.

    Eksempel:

    User Input: Hvilke lande er førende inden for vedvarende energi?
    Draft Output: De førende lande er Norge, Sverige, Portugal [Søg i Wikipedia: "Top Countries in renewable Energy"]...
    
  4. Generering af indledende svar

    • Ved hjælp af en sprogmodelgenerator opretter systemet et udkast til svar baseret på prompten og fremhæver, hvor faktuelle data skal indsættes, og hvilke kilder der skal bruges til verifikation.
  5. Datainhentning & forfining af svar

    • En AI-agent modtager udkastet til svaret og bruger Wikipedia-værktøjet til at søge på Wikipedia efter de angivne forespørgsler.
    • For hver sektion af svaret henter agenten de relevante faktuelle oplysninger fra Wikipedia og erstatter udkastet eller pladsholderindholdet.
    • Hver sektion forfines til at inkludere et direkte link til den præcise Wikipedia-artikel eller -sektion, der er brugt, hvilket sikrer gennemsigtighed og nem verificering.

    Agenten instrueres i at undgå generiske eller fyldfraser og kun fokusere på kortfattet, faktuel indhold.

  6. Endeligt output

    • Det fuldt forfinede svar, hvor hver sektion er forankret i en specifik Wikipedia-kilde (og links er angivet direkte i teksten), vises for brugeren i chatgrænsefladen.

Workflow-struktur

StepKomponentFormål
1Chat Opened TriggerRegistrerer ny chatsession og udløser velkomstbesked
2Message WidgetViser indledende hilsen og instruktioner
3Chat InputModtager brugerens spørgsmål
4Prompt TemplateFormaterer prompt med instruktioner for udkast + kildehenvisninger
5GeneratorProducerer indledende svarudkast (med pladsholdere)
6Wikipedia ToolMuliggør datainhentning fra Wikipedia
7AI AgentForfiner udkast, henter fakta, indsætter citater/links
8Chat OutputPræsenterer det endelige, forankrede svar for brugeren

Centrale funktioner og fordele

  • Kildegennemsigtighed: Hver sektion af svaret angiver tydeligt, hvilken Wikipedia-side eller -sektion der er brugt, inkl. direkte links til brugerens egen kontrol.
  • Automatisering & skalering: Workflowet automatiserer processen med at skrive udkast, faktatjekke og forfine svar, hvilket gør det velegnet til effektiv håndtering af mange forespørgsler.
  • Forskningskvalitet: Ved at forankre alle påstande i en verificerbar ekstern kilde leverer systemet svar, der egner sig til akademiske, forretningsmæssige og professionelle sammenhænge.
  • Tilpasningsmuligheder: Hvis det ønskes, kan interne videnkilder kobles på sammen med Wikipedia, så systemet kan tilpasses virksomhedsspecifik datainhentning.

Anvendelsesmuligheder

  • Uddannelsesassistenter: Giv elever og studerende svar, der altid citerer deres kilder.
  • Faktatjek-bots: Verificer information øjeblikkeligt og præsenter kilder uden manuel research.
  • Kundesupport: Lever virksomhedens eller produktets oplysninger med tydelig datadokumentation.
  • Indholdsproduktion: Forfattere og journalister kan modtage udkast til indhold med indlejrede referencer til videre bearbejdning.

Sammenfatning

Dette workflow giver brugere troværdige, veldokumenterede svar ved at kombinere generering og indhentning af data. Det er især nyttigt, hvor faktuel nøjagtighed, gennemsigtighed og kildeangivelse er afgørende. Dets modulære, automatiserede design gør det yderst skalerbart for organisationer, der ønsker at automatisere research- og Q&A-opgaver i stor skala.

Lad os bygge dit eget AI-team

Vi hjælper virksomheder som din med at udvikle smarte chatbots, MCP-servere, AI-værktøjer eller andre typer AI-automatisering til at erstatte mennesker i gentagne opgaver i din organisation.

Lær mere

RIG Wikipedia Assistent Chatbot (Retrieval Interleaved Generator)
RIG Wikipedia Assistent Chatbot (Retrieval Interleaved Generator)

RIG Wikipedia Assistent Chatbot (Retrieval Interleaved Generator)

Opdag RIG Wikipedia Assistenten, et værktøj designet til præcis informationssøgning fra Wikipedia. Ideel til forskning og indholdsproduktion, leverer den veldok...

1 min læsning
AI Wikipedia +5
Wikipedia-værktøj
Wikipedia-værktøj

Wikipedia-værktøj

Chat ubesværet med enhver Wikipedia-side ved hjælp af FlowHunt's AI-agenter. Få korte resuméer, kildelinks og omdan timers research til interaktive indsigter....

4 min læsning
AI Wikipedia +3
AI-chatbot med realtidssøgning på web og i vidensbaser
AI-chatbot med realtidssøgning på web og i vidensbaser

AI-chatbot med realtidssøgning på web og i vidensbaser

En kraftfuld AI-chatbot, der besvarer brugerens spørgsmål i realtid ved at hente og sammenfatte information fra Google, Reddit, Wikipedia, Arxiv, Stack Exchange...

3 min læsning