Abfragezerlegung
Die Aufgabenzerlegung zerlegt komplexe Anfragen in kleinere Unteranfragen und hilft KI-Chatbots, genauere und gezieltere Antworten zu liefern.
Komponentenbeschreibung
So funktioniert die Abfragezerlegung-Komponente
Abfragezerlegungs-Komponente
Abfragezerlegung ist eine Flow-Komponente, die entwickelt wurde, um die Präzision und Effektivität KI-gesteuerter Workflows zu steigern, indem komplexe Eingabeanfragen in überschaubare, einzelne Unteranfragen zerlegt werden. Dieser Prozess stellt sicher, dass alle Aspekte der ursprünglichen Nutzerfrage adressiert werden, was zu umfassenderen und genaueren Antworten führt.
Was macht diese Komponente?
Die Hauptfunktion der Abfragezerlegungs-Komponente besteht darin, einen Eingabetext – meist eine komplexe oder mehrteilige Frage – in mehrere alternative Anfragen oder Unterfragen zu unterteilen. Diese Unteranfragen repräsentieren die einzelnen Informationsbausteine, die gelöst werden müssen, um die ursprüngliche Anfrage vollständig zu beantworten. Dieser Ansatz ist besonders nützlich in Situationen, in denen eine Frage sehr allgemein, mehrdeutig oder aus mehreren miteinander verbundenen Elementen besteht.
Hauptfunktionen und Eingaben
| Eingabename | Typ | Erforderlich | Beschreibung |
|---|---|---|---|
| Input Text | Message | Ja | Der Haupttext oder die Frage, die in mehrere alternative Anfragen aufgeteilt werden soll. |
| Chat History | InMemoryChatMessageHistory | Nein | Vorherige Chatnachrichten, um Kontext für präzisere Unteranfragen zu liefern. |
| LLM (Model) | BaseChatModel | Nein | Das Sprachmodell, das zur Generierung alternativer Anfragen verwendet wird. |
| Include Original Query | Boolean | Nein | Option, die ursprüngliche Anfrage in die Liste der alternativen Anfragen aufzunehmen. |
| System Message | String | Nein | Zusätzliche systemseitige Anweisung, die an den Prompt angehängt werden kann, um das Verhalten anzupassen. |
- Input Text (erforderlich): Zu analysierender und zu zerlegender Text. Dies ist die Hauptnutzeranfrage.
- Chat History: (optional) Falls verfügbar, kann der bisherige Gesprächsverlauf bereitgestellt werden, um die Relevanz und Genauigkeit der generierten Unteranfragen zu verbessern.
- LLM (Model): (optional) Geben Sie an, welches Large Language Model (LLM) für den Zerlegungsprozess verwendet werden soll, um eine flexible Integration verschiedener KI-Modelle zu ermöglichen.
- Include Original Query: (fortgeschritten, optional) Steuern Sie, ob die Ausgabe die ursprüngliche Anfrage zusätzlich zu den generierten Unteranfragen enthalten soll.
- System Message: (fortgeschritten, optional) Ermöglicht das Hinzufügen einer benutzerdefinierten Systemnachricht, um die Ausgabe zu steuern oder dem Modell zusätzliche Anweisungen zu geben.
Ausgaben
- Message: Die Komponente gibt ein Nachrichtenobjekt mit der Liste alternativer Anfragen oder Unterfragen aus. Dies kann als Eingabe für nachgelagerte KI-Verarbeitungsschritte wie separate Beantwortung, Recherche oder weitere Analyse verwendet werden.
Warum ist das nützlich?
Die Abfragezerlegung ist in komplexen KI-Workflows wertvoll, in denen einzelne Anfragen mehrere Themen abdecken oder mehrstufiges Denken erfordern. Durch das Aufteilen der Anfragen können Sie:
- Sicherstellen, dass alle Teile einer komplexen Frage behandelt werden.
- Eine genauere Suche oder Informationsbeschaffung ermöglichen.
- Modulare, schrittweise Verarbeitung in KI-Pipelines umsetzen.
- Die Nachvollziehbarkeit und Erklärbarkeit KI-generierter Antworten verbessern.
Beispielanwendungen
- Kundensupport: Eine lange Kundenanfrage in einzelne Anliegen zerlegen, um gezieltere Antworten zu ermöglichen.
- Recherchehilfe: Eine breite Forschungsfrage in spezifische Unterthemen aufbrechen, um gezielter Literatur zu finden.
- Mehrschrittiges Denken: Fragen für KI-Agenten vorbereiten, die eine schrittweise Problemlösung oder Planung benötigen.
Übersichtstabelle
| Funktion | Beschreibung |
|---|---|
| Eingabe | Komplexe Nutzeranfrage (Text) |
| Ausgabe | Liste von alternativen/Unteranfragen (als Nachrichtenobjekt) |
| Kontextunterstützung | Ja (über Chatverlauf) |
| Modellauswahl | Ja (benutzerdefiniertes LLM kann angegeben werden) |
| Erweiterte Optionen | Ursprüngliche Anfrage einbeziehen, benutzerdefinierte Systemnachricht |
Durch die Integration der Abfragezerlegung in Ihren KI-Workflow ermöglichen Sie eine intelligentere und granularere Bearbeitung komplexer Anfragen – für bessere Ergebnisse und ein optimiertes Nutzererlebnis.
Häufig gestellte Fragen
- Was ist die Abfragezerlegungs-Komponente?
Die Abfragezerlegung zerlegt komplexe und zusammengesetzte Anfragen in einfache Unteranfragen, die leichter zu bearbeiten sind. So kann sie detailliertere und gezieltere Antworten liefern.
- Was passiert, wenn ich die Abfragezerlegung nicht verwende?
Die Abfragezerlegung ist nicht für alle Flows notwendig. Ihr Haupteinsatzgebiet ist die Erstellung von Kundenservice-Bots und andere Anwendungsfälle, bei denen die Eingabe eine schrittweise Bearbeitung komplexer Informationen erfordert. Die Verwendung der Aufgabenzerlegung sorgt für detaillierte und hochrelevante Antworten. Ohne sie könnte der Bot auf vage Antworten zurückgreifen.
- Was ist der Unterschied zwischen Abfrageerweiterung und Abfragezerlegung?
Beide helfen dem Bot, die Anfrage besser zu verstehen. Die Abfragezerlegung nimmt komplexe oder zusammengesetzte Anfragen und unterteilt sie in kleinere, ausführbare Schritte. Die Abfrageerweiterung hingegen ergänzt unvollständige oder fehlerhafte Anfragen, um sie klar und vollständig zu machen.
Testen Sie die Abfragezerlegung mit FlowHunt
Beginnen Sie mit dem Aufbau intelligenter KI-Chatbots und automatisieren Sie komplexe Anfragen mit der Abfragezerlegungs-Komponente von FlowHunt.
Mehr erfahren
