Videnskabskilder

Det, der gør en generel chatbot til din egen, er kendskabet til din hjemmeside og din unikke kontekst. Der er flere måder at opnå dette på, men mange af dem er stadig utilgængelige for små virksomheder. FlowHunt kan imødekomme både små og større virksomheder ved at benytte Retrieval-Augmented Generation-metoden.

Denne metode giver dig mulighed for fuldt ud at udnytte den generelle viden og kapacitet i modeller som ChatGPT, men med et twist. I modsætning til de gamle, dyre metoder med at fodre modellen med træningsdata, gør RAG det muligt at forbinde og uploade videnskabskilder for at få præcise svar i realtid uden ekstra besvær.

Hvad er Retrieval-Augmented Generation

Forestil dig, at du planlægger en tur til en ny by og har mange spørgsmål om seværdigheder og gode spisesteder. Du vælger at spørge en ven, der er ekspert i byen. I stedet for kun at stole på sin hukommelse, tjekker din ven hurtigt rejseguides og nylige online anmeldelser, før han giver dig et kurateret svar. Med andre ord sikrer din ven, at du får det mest nøjagtige og opdaterede svar.

Dette svarer til, hvordan Retrieval-Augmented Generation (RAG) fungerer. Metoden kombinerer sømløst indhentning af viden fra eksterne databaser med den generative kraft fra fortrænede LLM-modeller.

Ligesom din ven, der tjekker guider og anmeldelser, vil din Flow først konsultere dine kilder og derefter generere et svar baseret på denne information. Det betyder, at du får mere præcise og kontekstafhængige svar.

Hvis du spørger en standard-AI om de bedste restauranter i byen, bruger den kun sine træningsdata. Disse data kan være forældede eller ufuldstændige, hvilket kan føre til dårlige oplevelser på din tur. Men med RAG kan AI’en trække de nyeste anmeldelser og anbefalinger fra URL’er, Google og andre kilder, så du får de bedst mulige råd.

Forbind og upload nemt forskellige typer kilder med blot et par klik. Kilderne indekseres og hentes derefter baseret på brugerens forespørgsel. Du styrer det indhold, chatbotten bruger, herunder information fra din offentlige hjemmeside, dokumenter du ikke ønsker at offentliggøre, YouTube-videoer og eksterne læremidler.

Valgmuligheder for videnskabskilder

Vennen fra vores eksempel vil måske tjekke forskellige kilder. Han kan læse websider, slå op i en bog, søge på Google eller endda se en YouTube-video. Din Flow kan også lære fra alle disse kilder.

Men der er en forskel. Undervejs sikrer din ven sig, at den information, han lærer fra, er opdateret og korrekt. AI kan ikke gøre dette, og det er udelukkende dit ansvar at sørge for, at informationen er frisk og sand.

Der er tre måder, hvorpå du kan pege din Flow mod den rigtige information:

Skemaer

Gennemsøg og indekser hele domæner eller enkelte URL’er med jævne mellemrum. Bare sæt det op én gang og glem det. Dine Flows vil fortsætte med at lære på egen hånd i det tempo og omfang, du vælger.

Læs mere om Skemaer-funktionen.

Dokumenter

Få øjeblikkelig adgang til og brug information fra forskellige dokumentformater, HTML-sider og endda YouTube-videoer. Upload enten fra en fil eller tilknyt en URL.

Læs mere om Dokumenter-funktionen.

Spørgsmål & Svar

Angiv foruddefinerede svar på specifikke spørgsmål. Det sikrer, at botten altid er konsistent ved vigtige forespørgsler og ofte stillede spørgsmål.

Læs mere om Spørgsmål & Svar-funktionen.

Kategorier af videnskabskilder

Hver ny kilde, du tilføjer, skal kategoriseres. Disse kategorier er helt vilkårlige og skal hjælpe dig med at administrere dit voksende bibliotek.

Læs mere om Kategorier-funktionen.