Assistente AI Q&A Basato su Wikipedia

Un assistente AI che risponde alle domande degli utenti con informazioni fattuali e ben documentate, utilizzando l’approccio RIG per fondare le risposte su fonti di Wikipedia e specificare le sezioni esatte. Ideale per risposte affidabili e tracciabili basate su dati esterni.

Come funziona il Flusso AI - Assistente AI Q&A Basato su Wikipedia

Come funziona il Flusso AI

Raccolta dell'input utente

Raccoglie le domande degli utenti tramite un'interfaccia chat.

Generazione della bozza iniziale

Genera una bozza di risposta e identifica quali sezioni necessitano di dati esterni o verifica.

Recupero dati da Wikipedia

Utilizza lo strumento Wikipedia per recuperare informazioni pertinenti e fattuali per ciascuna sezione della risposta.

Controllo dei fatti e raffinamento da parte dell'agente AI

L'agente AI affina e fonda ogni sezione della risposta utilizzando i dati recuperati da Wikipedia, aggiungendo link diretti alle fonti.

Consegna della risposta

Presenta la risposta fondata e ben referenziata all'utente tramite l'interfaccia chat.

Prompt utilizzati in questo flusso

Di seguito è riportato un elenco completo di tutti i prompt utilizzati in questo flusso per raggiungere la sua funzionalità. I prompt sono le istruzioni fornite al modello AI per generare risposte o eseguire azioni. Guidano l'AI nella comprensione dell'intento dell'utente e nella generazione di output pertinenti.

Prompt

Crea il prompt iniziale per l'LLM per generare una risposta di esempio con dati fittizi e indicatori di fonte per un successivo raffinamento. Guida l'LLM a spec...

                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}

Agente AI

Prompt per l'agente LLM che istruisce il modello a raffinare una risposta iniziale utilizzando lo strumento Wikipedia, concentrandosi sull'accuratezza dei fatti...

                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.

Componenti utilizzati in questo flusso

Di seguito è riportato un elenco completo di tutti i componenti utilizzati in questo flusso per raggiungere la sua funzionalità. I componenti sono gli elementi costitutivi di ogni Flusso AI. Ti permettono di creare interazioni complesse e automatizzare attività collegando varie funzionalità. Ogni componente serve a uno scopo specifico, come la gestione dell'input dell'utente, l'elaborazione dei dati o l'integrazione con servizi esterni.

Descrizione del flusso

Scopo e benefici

Panoramica

Il RIG (Retrieval Interleaved Generator) Wikipedia Assistant è un flusso di lavoro automatizzato progettato per rispondere alle domande degli utenti generando risposte iniziali, identificando i dati fattuali necessari, recuperando informazioni da Wikipedia e affinando le risposte con citazioni precise per ciascuna sezione. Il suo obiettivo principale è fornire risposte fondate su fonti verificabili e specificare esattamente quali sezioni e fonti sono state utilizzate, rendendolo particolarmente utile per ricerca, fact-checking e scopi educativi.

Come Funziona il Flusso di Lavoro

  1. Avvio della chat e messaggio di benvenuto

    • Quando viene aperta una sessione di chat, l’utente viene accolto con un messaggio di benvenuto che spiega lo scopo del flusso: fornire risposte affidabili supportate da fonti. Questo aiuta a impostare le aspettative sulla qualità e la trasparenza delle risposte.

  2. Raccolta della domanda utente

    • L’utente invia una domanda tramite l’input della chat. Questo input viene acquisito e passato alla fase di elaborazione.

  3. Generazione del prompt

    • Il flusso include un Prompt Template che prende la domanda dell’utente e costruisce un prompt dettagliato. Questo prompt istruisce il sistema a:
      • Generare una bozza di risposta, anche utilizzando dati fittizi.
      • Per ciascuna sezione della risposta, specificare quale fonte esterna (come Wikipedia) o base di conoscenza interna deve essere utilizzata per verificare e affinare quella sezione.
      • Includere query di ricerca per Wikipedia per recuperare le informazioni corrette per ogni sezione.

    Esempio:

    Input utente: Quali sono i paesi leader nelle energie rinnovabili?
Output bozza: I paesi leader sono Norvegia, Svezia, Portogallo [Ricerca su Wikipedia: "Top Countries in renewable Energy"]...

  4. Generazione della risposta iniziale

    • Utilizzando un generatore basato su modello linguistico, il sistema crea una bozza di risposta basata sul prompt, evidenziando dove devono essere inseriti i dati fattuali e quali fonti utilizzare per la verifica.

  5. Recupero dati e raffinamento della risposta

    • Un Agente AI riceve la bozza di risposta e utilizza lo Strumento Wikipedia per cercare su Wikipedia le query specificate.
    • Per ciascuna sezione della risposta, l’agente recupera i dati fattuali pertinenti da Wikipedia e sostituisce il contenuto provvisorio o fittizio.
    • Ogni sezione viene raffinata includendo un link diretto all’articolo o sezione esatta di Wikipedia utilizzato, garantendo trasparenza e facile verifica.

    L’agente riceve l’istruzione di evitare frasi generiche o riempitive, concentrandosi solo su contenuti concisi e fattuali.

  6. Output finale

    • La risposta completamente raffinata, con ogni sezione fondata su una specifica fonte Wikipedia (e link forniti in linea), viene mostrata all’utente nell’interfaccia chat.

Struttura del Flusso di Lavoro

PassaggioComponenteScopo
1Chat Opened TriggerRileva una nuova sessione chat e invia il messaggio di benvenuto
2Message WidgetMostra il saluto iniziale e le istruzioni
3Chat InputAccetta la domanda dell’utente
4Prompt TemplateFormattta il prompt con istruzioni per bozza + indicazioni sulle fonti
5GeneratorProduce la bozza iniziale della risposta (con segnaposti)
6Wikipedia ToolConsente il recupero dati da Wikipedia
7AI AgentAffina la bozza, recupera dati, inserisce citazioni/link
8Chat OutputPresenta la risposta finale e fondata all’utente

Caratteristiche e Benefici Principali

  • Trasparenza delle fonti: Ciascuna sezione della risposta specifica chiaramente quale pagina o sezione di Wikipedia è stata utilizzata, includendo link diretti per la verifica da parte dell’utente.
  • Automazione e scalabilità: Il flusso automatizza il processo di redazione, fact-checking e raffinamento delle risposte, rendendolo adatto a gestire molte domande in modo efficiente.
  • Output di livello ricerca: Fondando ogni affermazione su una fonte esterna verificabile, il sistema produce risposte adatte a contesti accademici, aziendali e professionali.
  • Personalizzabilità: Se necessario, è possibile integrare fonti di conoscenza interne insieme a Wikipedia, rendendo il sistema adattabile al recupero di dati specifici di un’azienda.

Casi d’Uso

  • Assistenti educativi: Forniscono agli studenti risposte che citano sempre le fonti.
  • Bot di fact-checking: Verificano istantaneamente le informazioni e presentano le fonti senza ricerca manuale.
  • Supporto clienti: Forniscono informazioni su azienda o prodotti con chiara provenienza dei dati.
  • Creazione di contenuti: Scrittori e giornalisti possono ottenere bozze di contenuti con riferimenti integrati per ulteriore sviluppo.

Questo flusso consente agli utenti di ottenere risposte affidabili e ben referenziate intercalando fasi di generazione e recupero dati. È particolarmente utile ovunque siano cruciali l’accuratezza fattuale, la trasparenza e l’attribuzione delle fonti. Il suo design modulare e automatizzato lo rende altamente scalabile per le organizzazioni che desiderano automatizzare attività di ricerca e Q&A su larga scala.

Costruiamo il tuo team AI

Aiutiamo aziende come la tua a sviluppare chatbot intelligenti, server MCP, strumenti AI o altri tipi di automazione AI per sostituire l'uomo in compiti ripetitivi nella tua organizzazione.

Pianifica una demo Provalo ora

Scopri di più