Suurin yksittäinen puute suurissa kielimalleissa on niiden taipumus esittää epämääräistä, vanhentunutta tai suorastaan virheellistä tietoa. Jotta vastaukset olisivat aina ajantasaisia ja juuri sinun käyttötapaukseesi sopivia, generatiiviset mallit on ohjattava oikeisiin tietolähteisiin.

Tätä lähestymistapaa kutsutaan Retrieval-Augmented Generationiksi (RAG), jossa generatiivisille malleille tarjotaan omat tietolähteesi. Hakijakomponentit, kuten Dokumenttihakija, mahdollistavat tämän menetelmän hyödyntämisen.

Mikä on Dokumenttihakija-komponentti?

Tämän komponentin avulla chatbot voi hakea tietoa omista lähteistäsi, jolloin tieto on relevanttia, luotettavaa ja ajantasaista. Tieto tulee suoraan niistä lähteistä, jotka olet määrittänyt Asiakirjat- ja Aikataulut-näkymissä. Komponentin rooli on hallita tiedon hakua.

Input Query

Määrittelee kyselyn, jonka avulla etsitään relevanttia tietoa. Sen voi joko linkittää toisesta komponentista tai syöttää manuaalisesti. Useimmiten Input Query on Chat Input.

Dokumenttimäärä

Tämä asetus rajoittaa niiden asiakirjojen määrää, joista flow hakee tietoa, jotta tulokset pysyvät relevantteina eivätkä vie liikaa aikaa tuottaa.

Asiakirjaluokat

Tällä valinnaisella asetuksella voit rajoittaa hakua yhteen luokkaan, jonka olet luonut Tietolähteet-näkymän Asiakirjat-osiossa.

Aikataulut

Voit rajoittaa hakua vain yhteen määrittämistäsi Aikatauluista Tietolähteet-näkymän Aikataulut-osiossa.

Kynnysarvo

Tietokannassasi olevat lähteet täsmäävät kyselyn kanssa eri vahvuuksilla. Tekoäly arvioi niiden relevanssin välillä 0–1. Tällä asetuksella voit määrittää, kuinka hyvin ulostulon tulee vastata kyselyä.

Tarkka kynnysarvo riippuu käyttötapauksestasi, mutta yleensä 0,7–0,8 suositellaan, jotta vastaukset ovat erittäin relevantteja ja lähteitä on riittävästi.

Kuvitellaan, että asetat kynnysarvoksi 0,6 ja sinulla on seuraavat artikkelit:

• Artikkeli A: 0,8
• Artikkeli B: 0,65
• Artikkeli C: 0,5
• Artikkeli D: 0,9

Vain artikkelit, joiden relevanssipisteet ylittävät 0,6, pääsevät ulostuloon, eli vain A, B ja D.

• Korkea kynnysarvo, kuten 0,9, tuottaa erittäin relevantteja tuloksia, jotka täsmäävät tarkasti kyselyyn, mutta voi olla vaikea löytää riittävästi asiakirjoja ja jotkut relevantit voivat jäädä pois.
• Matala kynnysarvo, esimerkiksi alle 0,5, tuo tietoa useammista asiakirjoista, mutta riskinä on epäolennaisen tiedon palautuminen.

Miten yhdistää Dokumenttihakija flow’hun

Komponentissa on vain yksi sisääntulo- ja yksi ulostuloliitin:

• Input Query: Kysely voi olla mikä tahansa tekstimuotoinen ulostulo. Yleisiä käyttötapauksia ovat Chat Inputin tai Generaattorin yhdistäminen.
• Output: Kaikkien hakijakomponenttien ulostulo on aina Dokumentti.

Dokumentti-ulostulo sisältää rakenteista dataa, joka ei sellaisenaan sovellu lopulliseen chat-ulostuloon. Kaikki komponentit, jotka ottavat Dokumentteja sisäänsä, muuntavat ne käyttäjäystävälliseen muotoon. Näitä ovat joko Widget-komponentit tai Document to Text -muunnin.

Miksi käyttää Dokumenttihakijaa?

• Tekoälyn ankkurointi todellisuuteen: Paranna tekoälyn vastausten faktuaalista tarkkuutta ja relevanssia tarjoamalla oikeaa, kontekstuaalista tietoa organisaation tietopohjasta.
• Kontekstin laajennus: Tarjoa LLM:ille tai chatboteille tukevia asiakirjoja tai viitemateriaalia, jotta vastaukset ovat perustellumpia.
• Joustava suodatus: Hakua voidaan tarkentaa luokan, aikataulun, URL-osoitteen, dokumenttirakenteen tai metadatan perusteella, jolloin löydät vain relevantin tiedon.
• Mukautettava ulostulo: Valitse, kuinka paljon sisältöä haetaan, miten se jaetaan ja mitä metadataa sisällytetään — näin sovitat sen helposti jatkoprosesseihin tai käyttöliittymään.
• Agentti-integraatio: Työkalukuvausten ja nimeämisen ansiosta komponenttia voidaan käyttää työkaluna agenttipohjaisissa arkkitehtuureissa.

Esimerkkikäyttötapaukset

• Retrieval-Augmented Generation (RAG): Tarjoa LLM:ille tukevia asiakirjoja, jotta vastaukset ovat tarkkoja ja perustuvat tietoon.
• Chatbotit ja virtuaaliassistentit: Nosta nopeasti esiin usein kysytyt kysymykset tai ohjeasiakirjat työntekijöiden/asiakkaiden kysymyksiin.
• Datankohdistus: Hae tuotetietoja, kirjoittajia tai muuta metadataa tekoälypohjaista analyysia tai prosessia varten.

Esimerkki

Kokeillaan heti! Ennen flow’n rakentamista varmista, että olet luonut tarvittavat Asiakirjat tai Aikataulut. Jos lähdettä ei ole, chatbot pahoittelee, ettei voi vastata.

Vaiheet:

1. Aloita Chat Inputilla.
2. Lisää Dokumenttihakija ja yhdistä Chat Input sen Input Queryksi.
3. Ulostulo on Dokumentti, joka täytyy muuntaa; tässä esimerkissä käytämme Document to Text -muunninta.
4. Seuraavaksi yhdistä AI Generaattori.
5. Nyt voit keskustella.

Nyt Flow pystyy hakemaan tietoa lähteistä ihmisen kyselyn perusteella, muuntamaan rakenteisen datan luettavaan muotoon ja siirtämään sen tekoälylle käyttäjäystävällisen vastauksen tuottamiseksi.

Tietolähteissämme on aikataulu, joka indeksoi FlowHuntin hinnastosivua ajantasaisen tiedon saamiseksi. Kysytään botilta siitä: