Wikipedia-basierter Q&A KI-Assistent

Ein KI-Assistent, der Benutzerfragen mit faktenbasierten und gut recherchierten Informationen beantwortet. Dabei nutzt er den RIG-Ansatz, um Antworten in Wikipedia-Quellen zu verankern und exakte Abschnitte anzugeben. Ideal für zuverlässige, nachvollziehbare Antworten auf Basis externer Daten.

So funktioniert der KI-Flow - Wikipedia-basierter Q&A KI-Assistent

So funktioniert der KI-Flow

Benutzereingabe erfassen

Sammelt Benutzerfragen über eine Chat-Oberfläche.

Generierung des ersten Entwurfs

Erstellt eine Entwurfsantwort und identifiziert, welche Abschnitte externe Daten oder Überprüfung benötigen.

Abruf von Wikipedia-Daten

Nutzt das Wikipedia-Tool, um relevante und faktenbasierte Informationen für jeden Abschnitt der Antwort abzurufen.

Faktenprüfung & Verfeinerung durch KI-Agenten

Der KI-Agent verfeinert und untermauert jeden Abschnitt der Antwort mit den abgerufenen Wikipedia-Daten und fügt direkte Quellverweise hinzu.

Antwortausgabe

Präsentiert die verankerte, gut belegte Antwort dem Benutzer über die Chat-Oberfläche.

In diesem Flow verwendete Prompts

Nachfolgend finden Sie eine vollständige Liste aller in diesem Flow verwendeten Prompts, um dessen Funktionalität zu gewährleisten. Prompts sind die Anweisungen, die dem KI-Modell gegeben werden, um Antworten zu generieren oder Aktionen auszuführen. Sie leiten die KI dabei, die Absicht des Benutzers zu verstehen und relevante Ausgaben zu generieren.

Prompt

Erstellt den initialen LLM-Prompt, um eine Musterantwort mit fiktiven Daten und Quellenhinweisen für die weitere Verfeinerung zu generieren. Gibt dem LLM vor, f...

                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}

KI-Agent

LLM-Agenten-Prompt, der das Modell anweist, eine erste Antwort mithilfe des Wikipedia-Tools zu verfeinern, auf Fakten zu fokussieren, Quellen pro Abschnitt zu z...

                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.

In diesem Flow verwendete Komponenten

Nachfolgend finden Sie eine vollständige Liste aller Komponenten, die in diesem Flow verwendet werden, um seine Funktionalität zu gewährleisten. Komponenten sind die Bausteine jedes KI-Flows. Sie ermöglichen es Ihnen, komplexe Interaktionen zu erstellen und Aufgaben zu automatisieren, indem verschiedene Funktionalitäten verbunden werden. Jede Komponente dient einem bestimmten Zweck, wie z.B. der Verarbeitung von Benutzereingaben, der Datenverarbeitung oder der Integration mit externen Diensten.

Flow-Beschreibung

Zweck und Vorteile

Überblick

Der RIG (Retrieval Interleaved Generator) Wikipedia-Assistent ist ein automatisierter Workflow, der Benutzeranfragen beantwortet, indem er zunächst eine Antwort generiert, erforderliche Fakten identifiziert, Informationen aus Wikipedia abruft und seine Antworten mit präzisen Quellenangaben für jeden Abschnitt verfeinert. Das Hauptziel ist es, Antworten zu liefern, die auf überprüfbaren Quellen basieren, und genau anzugeben, welche Abschnitte und Quellen verwendet wurden. Das macht ihn besonders nützlich für Recherche, Faktenprüfung und Bildungszwecke.

Funktionsweise des Workflows

  1. Chat-Start & Begrüßung

    • Beim Öffnen einer Chat-Sitzung wird der Benutzer mit einer Begrüßungsnachricht empfangen, die den Zweck des Workflows erklärt: Zuverlässige, quellengestützte Antworten zu liefern. Dadurch werden die Erwartungen an Qualität und Transparenz der Antworten gesetzt.

  2. Erfassung der Benutzeranfrage

    • Der Benutzer stellt seine Frage über das Chat-Eingabefeld. Diese Eingabe wird erfasst und zur weiteren Verarbeitung weitergeleitet.

  3. Prompt-Generierung

    • Der Workflow beinhaltet eine Prompt-Vorlage, die die Benutzerfrage aufnimmt und einen detaillierten Prompt erstellt. Dieser weist das System an:
      • Eine Entwurfsantwort zu generieren, auch wenn Platzhalterdaten verwendet werden.
      • Für jeden Abschnitt der Antwort anzugeben, welche externe Quelle (wie Wikipedia) oder interne Wissensdatenbank zur Überprüfung und Verfeinerung herangezogen werden soll.
      • Suchanfragen für Wikipedia zu integrieren, um die richtigen Informationen für jeden Abschnitt abzurufen.

    Beispiel:

    Benutzereingabe: Welche Länder sind führend im Bereich erneuerbare Energien?
Entwurfsantwort: Die führenden Länder sind Norwegen, Schweden, Portugal [Suche in Wikipedia: "Top Countries in renewable Energy"]...

  4. Erstellung der initialen Antwort

    • Mithilfe eines Sprachmodell-Generators erstellt das System einen Antwortentwurf basierend auf dem Prompt, der hervorhebt, wo Fakten eingefügt werden müssen und welche Quellen zur Verifizierung dienen.

  5. Datenabruf & Verfeinerung der Antwort

    • Ein KI-Agent erhält den Antwortentwurf und nutzt das Wikipedia-Tool, um mit den spezifizierten Suchanfragen Wikipedia zu durchsuchen.
    • Für jeden Abschnitt der Antwort ruft der Agent die relevanten Fakten aus Wikipedia ab und ersetzt Entwurfs- oder Platzhalterinhalte.
    • Jeder Abschnitt wird so überarbeitet, dass ein direkter Link zum genutzten Wikipedia-Artikel oder -Abschnitt integriert ist. Das gewährleistet Transparenz und einfache Überprüfbarkeit.

    Der Agent ist angewiesen, generische oder ausschweifende Formulierungen zu vermeiden und sich auf präzise, faktenbasierte Inhalte zu konzentrieren.

  6. Finale Ausgabe

    • Die vollständig verfeinerte Antwort, bei der jeder Abschnitt auf einer spezifischen Wikipedia-Quelle basiert (mit Direktverlinkung), wird dem Benutzer im Chat angezeigt.

Aufbau des Workflows

SchrittKomponenteZweck
1Chat Opened TriggerErkennt neue Chat-Sitzung und löst Begrüßungsnachricht aus
2Message WidgetZeigt Begrüßung und Anweisungen an
3Chat InputNimmt die Frage des Benutzers auf
4Prompt TemplateFormatiert Prompt mit Anweisungen für Entwurfsantwort + Quellhinweise
5GeneratorErstellt ersten Antwortentwurf (mit Platzhaltern)
6Wikipedia ToolErmöglicht den Abruf von Daten aus Wikipedia
7KI-AgentVerfeinert Entwurf, sucht Fakten, fügt Zitate/Links ein
8Chat OutputPräsentiert dem Benutzer die finale, verankerte Antwort

Hauptmerkmale und Vorteile

  • Quellentransparenz: Jeder Abschnitt der Antwort gibt exakt an, welche Wikipedia-Seite oder welcher Abschnitt genutzt wurde, inklusive Direktlink zur Überprüfung.
  • Automatisierung & Skalierbarkeit: Der Workflow automatisiert die Erstellung, Faktenprüfung und Verfeinerung von Antworten und eignet sich damit zur effizienten Bearbeitung vieler Anfragen.
  • Recherche-taugliche Ausgabe: Durch die Verankerung jeder Aussage in einer überprüfbaren externen Quelle entstehen Antworten, die für akademische, geschäftliche und professionelle Kontexte geeignet sind.
  • Anpassbarkeit: Bei Bedarf können interne Wissensquellen neben Wikipedia eingebunden werden. Das macht das System flexibel für unternehmensspezifische Datenabrufe.

Anwendungsfälle

  • Bildungsassistenten: Studierende erhalten Antworten, die immer ihre Quellen ausweisen.
  • Faktenprüfungs-Bots: Informationen werden sofort überprüft und mit Quellen präsentiert, ohne manuelle Recherche.
  • Kundensupport: Übermittlung von Unternehmens- oder Produktinformationen mit klarer Herkunft der Daten.
  • Content-Erstellung: Autoren und Journalisten erhalten Entwürfe mit eingebetteten Referenzen zur weiteren Ausarbeitung.

Zusammenfassung

Dieser Workflow ermöglicht es Nutzern, vertrauenswürdige und gut belegte Antworten zu erhalten, indem Generierung und Recherche miteinander verknüpft werden. Er ist besonders nützlich, wo Faktenpräzision, Transparenz und Quellennachweis entscheidend sind. Das modulare, automatisierte Design macht ihn hoch skalierbar für Organisationen, die Recherche- und Q&A-Aufgaben in großem Umfang automatisieren möchten.

Lassen Sie uns Ihr eigenes KI-Team aufbauen

Wir helfen Unternehmen wie Ihrem, intelligente Chatbots, MCP-Server, KI-Tools oder andere Arten von KI-Automatisierungen zu entwickeln, um Menschen bei sich wiederholenden Aufgaben in Ihrer Organisation zu ersetzen.

Demo vereinbaren Jetzt ausprobieren

Mehr erfahren