Flow-Beschreibung
Zweck und Vorteile
Überblick zum Workflow der Semantischen Suche
Dieser Workflow mit dem Titel „Semantische Suche“ ermöglicht es Nutzern, Informationen in ihrer privaten Wissensdatenbank mithilfe fortschrittlicher Sprachmodelle und semantischer Suchtechniken zu finden. Er durchsucht alle geplanten Domains, Dokumente und Q&A-Bereiche und automatisiert das Auffinden der relevantesten Informationen auf Benutzeranfragen.
Benutzerinteraktion und Willkommensnachricht
Öffnet ein Benutzer die Chat-Oberfläche, wird folgende Willkommensnachricht ausgelöst:
- Message Widget zeigt an:
👋 Willkommen beim Tool zur privaten Wissensdatenbank-Suche!
Ich helfe dir, Dokumente in deiner privaten Wissensdatenbank zu durchsuchen 📚. Ich durchsuche alle geplanten Domains, privaten Dokumente und Q&A-Bereiche, um die gewünschten Informationen zu finden.
Gib einfach deine Anfrage ein, und lass uns gemeinsam die Antworten finden! ✨🔍
Diese freundliche Nachricht orientiert die Nutzer und leitet sie dazu an, ihre Suchanfrage einzugeben.
Anfrageverarbeitung und -erweiterung
Benutzereingabe:
Der Benutzer stellt eine Anfrage über das Chat-Eingabefeld.
Anfrageerweiterung:
- Die Anfrage wird an eine Anfrageerweiterungs-Komponente übergeben.
- Basierend auf einem OpenAI-Sprachmodell (konkret
gpt-4o-mini
) generiert diese Komponente bis zu drei paraphrasierte oder semantisch ähnliche Anfragen. - Ziel ist es, die Wahrscheinlichkeit zu erhöhen, alle relevanten Dokumente zu finden – auch wenn die ursprüngliche Anfrage unklar oder eingeschränkt formuliert ist.
Komponente | Zweck |
---|
Chat Input | Sammelt die Suchfrage des Nutzers |
OpenAI LLM (gpt-4o-mini) | Generiert alternative Formulierungen der Anfrage |
Anfrageerweiterung | Erstellt bis zu 3 Varianten der Suchanfrage |
Dokumentenabruf
- Die erweiterten Anfragen werden an einen Document Retriever weitergegeben.
- Diese Komponente durchsucht die private Wissensdatenbank des Nutzers inklusive geplanter Domains, Dokumente und Q&A-Bereiche.
- Es werden bis zu 10 der relevantesten Dokumente abgerufen, wobei der Fokus auf Inhalten innerhalb von
<H1>
-Überschriften liegt, um die Kontextrelevanz zu maximieren.
Ergebnispräsentation
- Die abgerufenen Dokumente werden an ein Document Widget übergeben, das sie chatgerecht aufbereitet und darstellt.
- Die finalen Ergebnisse werden dem Benutzer in der Chat-Oberfläche angezeigt.
Schritt | Komponente | Ausgabetyp |
---|
Dokumente abrufen | Document Retriever | Rohdokumente |
Ergebnisse formatieren | Document Widget | Nachricht |
Anzeige für Nutzer | Chat Output | Chat-Nachricht |
Workflow-Diagramm
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]
Vorteile und Anwendungsfälle
- Automatisierung: Der Workflow automatisiert die semantische Suche, spart manuellen Aufwand und sorgt für eine stets freundliche, geführte Nutzererfahrung.
- Skalierbarkeit: Durch Anfrageerweiterung und Suche über alle relevanten Quellen bietet der Workflow eine robuste Abdeckung – ideal für große oder komplexe Wissensdatenbanken.
- Genauigkeit: Durch Paraphrasierung mit LLMs sinkt das Risiko, Informationen aufgrund der Formulierung der Anfrage zu übersehen.
- Nutzererlebnis: Sofortiges Feedback und klare Anweisungen machen das Tool auch für nicht-technische Nutzer einfach bedienbar.
Typische Anwendungsfälle:
- Internes Wissensmanagement für Support-Teams
- Firmenweite FAQ- und Dokumentensuchportale
- Automatisierte Assistenten für private oder proprietäre Datensätze
Durch die Kombination aus semantischer Suche und Anfrageerweiterung mit LLMs stellt dieser Workflow sicher, dass Nutzer effizient auf relevante Informationen zugreifen und so Produktivität und Wissensfindung steigern können.