GoogleSearch-Komponente

Die GoogleSearch-Komponente ermöglicht es Ihnen, aktuelles Wissen von Google abzurufen und so die Genauigkeit und Relevanz von Chatbots mit anpassbaren Suchsteuerungen zu verbessern.

GoogleSearch-Komponente

Komponentenbeschreibung

So funktioniert die GoogleSearch-Komponente-Komponente

Die größte Herausforderung für KI war früher ihre Tendenz, vage, veraltete oder sogar falsche Informationen zu präsentieren. All diese Probleme entstehen schlicht durch den fehlenden Zugang zu relevantem Wissen. Früher musste dafür das gesamte Modell neu trainiert werden, was für die meisten Unternehmen, geschweige denn Einzelpersonen, undenkbar war. Doch es gibt einen anderen Ansatz, bei dem Sie die Modelle einfach unterwegs auf die richtigen Wissensquellen verweisen können.

Dieser Ansatz nennt sich Retrieval-Augmented Generation (RAG) und ermöglicht es Ihnen, generativen Modellen unterwegs zusätzliches Wissen zur Verfügung zu stellen – ganz ohne technisches Know-how oder das Training kompletter Modelle. Die Retrieval-Komponenten, einschließlich GoogleSearch, machen diese Methode ganz einfach nutzbar.

Was ist die GoogleSearch-Komponente?

Mit dieser Komponente kann der Flow Wissen abrufen, indem Google nach relevanten Inhalten durchsucht wird. Sie legt die Suchanfrage fest und bestimmt, wie der Flow die Informationen bezieht. Sie kann zusammen mit anderen Retrieval-Komponenten verwendet werden, um die finale Antwort zu verbessern.

GoogleSearch component in Flowhunt

Beispielanwendungsfälle

  • Echtzeit-Faktenprüfung: Nutzen Sie die Komponente, um Behauptungen zu überprüfen oder die neuesten Nachrichtenartikel zu einem Thema zu sammeln.
  • Content-Anreicherung: Automatisches Einbinden relevanter externer Ressourcen zur Dokumentenanreicherung.
  • KI-Agenten: Statten Sie Konversationsagenten mit der Möglichkeit aus, aktuelles Wissen aus dem Web zu beziehen. Domain-spezifische Suche: Beschränken Sie die Suche mit der Abfrage-Präfix-Funktionalität auf bestimmte Websites (z. B. site:arxiv.org für wissenschaftliche Arbeiten).

Warum diese Komponente nutzen?

  • Immer aktuell bleiben: Greifen Sie auf die neuesten Informationen aus dem Web zu und umgehen Sie die Einschränkungen statischer Trainingsdaten.
  • Flexible Konfiguration: Passen Sie die Suche an Ihre Bedürfnisse in Bezug auf Land, Sprache und Standort an.
  • Workflow-Integration: Die Ausgaben sind mit anderen Komponenten kompatibel, sodass sich komplexe, wissensgestützte KI-Prozesse einfach erstellen lassen.
  • Caching: Verbessert die Effizienz, indem wiederholte Suchanfragen vermieden werden.

Eingabeabfrage

Legt die Abfrage fest, mit der relevante Informationen gesucht werden. Sie kann von einer Komponente wie Chat Input verknüpft oder manuell eingegeben werden.

Ergebnislimit

Mit dieser Einstellung wird die Anzahl der für Informationen durchsuchten Links begrenzt. Google verwendet umfassende Algorithmen, um die Ergebnisse zu bewerten und sicherzustellen, dass die obersten am relevantesten für die Abfrage sind. Die Top 5 Ergebnisse sollten dem Flow ausreichend relevante Informationen liefern, um auf die meisten Abfragen sinnvoll zu antworten.

Sprache

Wenn Ihre Website in einer bestimmten Sprache ist, wäre es wenig hilfreich, wenn der Chatbot Ergebnisse auf Englisch liefert. Zudem liefern Nischen- und lokale Themen oft relevantere Ergebnisse, wenn in der richtigen Sprache gesucht wird.

Land

Die Festlegung des Landes ist ein weiterer Schutzmechanismus für relevante Ergebnisse. Stellen Sie sich vor, Sie haben einen Chatbot für Finanzberatung und ein Nutzer fragt nach Steuergesetzen. Lediglich die Sprache festzulegen könnte dazu führen, dass jemand aus Großbritannien Informationen zu US-Steuergesetzen erhält – was zu Verwirrung und Frustration führt.

Standort

Mit dieser optionalen Einstellung lassen sich die Ergebnisse noch weiter eingrenzen. Für manche Anwendungsfälle ist es sinnvoll, nur Ergebnisse für eine bestimmte Stadt oder Region zurückzugeben.

Abfrage-Präfix

Abfrage-Präfixe sind bestimmte Wörter oder Symbole, mit denen Sie den Ergebnistyp eingrenzen können. Zum Beispiel können Sie das Präfix “daterange:” verwenden, um nur aktuelle Ergebnisse zu erhalten, oder “filetype:”, wenn Sie ein bestimmtes Dateiformat wünschen. Google unterstützt eine Vielzahl solcher Präfixe und ermöglicht damit eine gezielte Steuerung der Suchergebnisse.

Wie Sie die GoogleSearch-Komponente mit Ihrem Flow verbinden

Die Komponente besitzt genau einen Eingabe- und einen Ausgabe-Handle:

  • Eingabeabfrage: Die Abfrage kann jede Textausgabe sein. Häufige Anwendungsfälle sind die Verbindung mit Chat Input oder einem Generator.
  • Ausgabe: Der Output jeder Retriever-Komponente ist immer ein Dokument.

Das Dokument-Output kann nur von den Komponenten Document to Text und Widget-Type gelesen werden. Diese wandeln die Rohsuchergebnisse in eine präsentierbare Form für die Ausgabe um.

Einen Flow mit GoogleSearch erstellen

Erstellen wir einen einfachen Chatbot, der Google Search als Hauptwissensquelle nutzt.

  1. Beginnen Sie wie immer mit dem Chat Input.
  2. Verbinden Sie den Input mit der GoogleSearch-Komponente, sodass die Nutzeranfrage als Suchanfrage dient.
  3. Transformieren Sie den Retriever-Output. Der Output ist ein URL-Datensatz; wir möchten jedoch reinen Text. Nutzen Sie die URL Retriever-Komponente.
  4. Optional können Sie Prompt und Chat-Verlauf hinzufügen. Wir machen das, da es die Ausgabe angenehmer und gesprächiger gestaltet.
  5. Verbinden Sie den Generator, um ein LLM einzubinden.
  6. Sie sind bereit für die Ausgabe.

So sieht unser resultierender Flow aus:

Result Flow using URL Record to Text component in Flowhunt

Fragen wir den GoogleSearch-Bot, welches das beste KI-Modell ist:

Flowhunt bot answers what's the best AI model

Der Bot gibt eine Liste der besten Modelle zurück, kommentiert jedes und listet die Quellen auf. Wir haben die Länge der Ausgabe absichtlich begrenzt, damit sie ins Chatfenster passt. Das Ergebnis kann jedoch auch wesentlich ausführlicher sein.

Beispiele für Flow-Vorlagen mit der GoogleSearch-Komponente-Komponente

Um Ihnen den schnellen Einstieg zu erleichtern, haben wir mehrere Beispiel-Flow-Vorlagen vorbereitet, die zeigen, wie die GoogleSearch-Komponente-Komponente effektiv genutzt wird. Diese Vorlagen präsentieren verschiedene Anwendungsfälle und Best Practices und erleichtern Ihnen das Verständnis und die Implementierung der Komponente in Ihren eigenen Projekten.

Häufig gestellte Fragen

Was ist die GoogleSearch-Komponente?

Mit dieser Komponente können Sie Wissen abrufen, indem Sie Google nach relevanten Inhalten durchsuchen. Die Komponente ermöglicht zudem die Kontrolle über die zurückgegebenen Ergebnisse.

Wie kann ich die zurückgegebenen Ergebnisse begrenzen?

Sie können die Anzahl der Suchergebnisse begrenzen, die der Bot durchsucht. Außerdem können Sie die Abfrage durch das Festlegen von Sprache, Land und sogar Standort spezifizieren. Die leistungsstärkste Einschränkung bieten die Abfrage-Präfixe, mit denen Sie das Alter der Ergebnisse, den Dateityp und vieles mehr festlegen können.

Warum kann ich die GoogleSearch-Komponente nicht mit dem Ausgang verbinden?

Die Komponente gibt die Informationen nicht in Textform aus. Der Output von GoogleSearch ist ein Wissensdokument. Dies ist ein strukturierteres Dokument, das Daten enthält, die sich nicht für die Ausgabe eignen. Sie müssen das Dokument zunächst über die Komponente 'Knowledge to Text' in Textform umwandeln.

Kann ich Suchstandort, Land oder Sprache anpassen?

Absolut. Sie können Parameter wie Land, Sprache und Standort anpassen, um die Suchergebnisse zu individualisieren.

Wie kann ich die Suchergebnisse in meinem Workflow verwenden?

Die Ergebnisse können in andere Komponenten zur Verarbeitung, Zusammenfassung oder weiteren Automatisierung eingespeist werden, was dieses Tool vielseitig für die Echtzeit-Wissensbeschaffung macht.

Kann ich den Document Retriever und GoogleSearch gleichzeitig verbinden? Falls ja, welcher hat Priorität?

Sie können beide gleichzeitig nutzen, um die Ergebnisse relevanter zu machen. Jeder Retriever führt zu einem eigenen Output. Die Priorität wird durch die Reihenfolge der Outputs im Canvas festgelegt. Das bedeutet, wenn der Document Retriever der erste Output von oben ist, hat er Vorrang vor anderen Retriever-Komponenten.

Testen Sie die GoogleSearch-Komponente von FlowHunt

Beginnen Sie damit, intelligentere Chatbots und KI-Flows mit aktuellem Wissen von Google zu erstellen. Entdecken Sie, wie GoogleSearch Ihre KI-Lösungen verbessern kann.

Mehr erfahren