Semantisk Vidensbase-søgning

Dette workflow, med titlen “Semantisk Søgning”, gør det muligt for brugere at søge efter information i deres private vidensbase ved at udnytte avancerede sprogmodeller og semantiske søgeteknikker. Det er designet til at scanne på tværs af alle planlagte domæner, dokumenter og Q&A-sektioner og automatiserer hentning af de mest relevante informationer som svar på brugerforespørgsler.

Brugerinteraktion og velkomstbesked

Når en bruger åbner chatgrænsefladen, udløser workflowet en velkomstbesked:

• Message Widget viser:

  👋 Velkommen til det Private Vidensbase-søgeværktøj!
  Jeg er her for at hjælpe dig med at søge i dokumenter i din private vidensbase 📚. Jeg scanner alle planlagte domæner, private dokumenter og Q&A-sektioner for at finde de informationer, du har brug for.
  Indtast blot din forespørgsel, og lad os komme i gang med at finde svarene! ✨🔍

Denne venlige besked hjælper brugere med at finde sig til rette og guider dem til at indtaste deres søgeforespørgsel.

Forespørgselsbehandling og udvidelse

1. Brugerinput:
   Brugeren indsender en forespørgsel via chatindgangsfeltet.

2. Forespørgselsudvidelse:

   • Forespørgslen sendes til en Forespørgselsudvidelse-komponent.
   • Drevet af en OpenAI-sprogsmodel (specifikt gpt-4o-mini) genererer denne komponent op til tre omskrevne eller semantisk lignende forespørgsler.
   • Formålet er at øge chancerne for at hente alle relevante dokumenter, selv når den oprindelige forespørgsel er tvetydig eller begrænset.

Dokumenthentning

• De udvidede forespørgsler sendes videre til en Document Retriever.
• Denne komponent søger i brugerens private vidensbase, inklusive planlagte domæner, dokumenter og Q&A-sektioner.
• Den henter op til 10 af de mest relevante dokumenter og fokuserer på indhold inden for <H1>-overskrifter for at maksimere kontekst-relevans.

Præsentation af resultater

• De hentede dokumenter sendes videre til en Document Widget, som formaterer og præsenterer dem på en chatvenlig måde.
• De endelige, samlede resultater vises tilbage til brugeren i chatgrænsefladen.

Workflowdiagram

flowchart LR
    A[Chat Opened] --> B[Welcome Message]
    B --> C[User Query Input]
    C --> D[Query Expansion\n(OpenAI LLM)]
    D --> E[Document Retriever]
    E --> F[Document Widget]
    F --> G[Chat Output]

Fordele og anvendelsesmuligheder

• Automatisering: Workflowet automatiserer semantisk søgning, sparer manuelt arbejde og sikrer, at brugere altid får en venlig og guidet oplevelse.
• Skalerbarhed: Ved at udvide forespørgsler og søge på tværs af alle relevante kilder giver workflowet robust dækning og egner sig til store eller komplekse vidensbaser.
• Præcision: Udnyttelse af LLM’er til omskrivning reducerer risikoen for at overse information på grund af forespørgselsformulering.
• Brugeroplevelse: Øjeblikkelig feedback og klare instruktioner gør værktøjet brugervenligt, selv for ikke-tekniske brugere.

Typiske anvendelsestilfælde:

• Intern vidensstyring for supportteams
• Virksomhedsdækkende FAQ- og dokumentsøgningsportaler
• Automatiserede assistenter til private eller proprietære datasæt

Ved at integrere semantisk søgning med LLM-drevet forespørgselsudvidelse sikrer dette workflow, at brugerne effektivt kan få adgang til relevant viden, hvilket øger produktivitet og informationsopdagelse.